|
|
Basics of Pedestrians Detection in Image by Machine Learning
Lučanský, Peter ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Táto Bakalárska práce sa zaoberá významnou problematikou v oblasti počítačového videnia, ktorou je detekcia osôb/chodcov v obraze, za pomoci metod strojového učenia, spolu s jej možným využitím, vývojom a vysvetlením princípov. Taktiež sa zaoberá testovaním dnes najlepšieho dostupného algoritmu, pričom sa porovnávajú faktory ktoré vplívajú na kvalitu jeho činnosti. Na začiatku je problematika stručne popísaná, potom sa prejde k podrobným popisom dosiahnutých pokrokov. V nasledujúcej časti sú popísané dostupné datasety, ktoré by sa dali použiť pri tréningu detekčného algoritmu. V poslednom rade sú vykonané trénovacie procesy za rozličných podmienok, pričom sú jednotlivé výsledky porovnávané.
|
|
|
Vehicle Detection in Image and Video
Rozprým, Dalimil ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
The goal of this thesis is comparison of available multiclass detectors abilities to detect road vehicles on purposely created dataset. As multiclass detectors are chosen neural networks for detection and classification of objects in image. Detectors described in this text and used for experimentation are Mask R-CNN, YOLOv4 and YOLACT++. This selection encompasses multiple different architectures and approaches to object detection. Created dataset used for learning and testing is thoroughly described in this text. Detection capability of detectors is tested on images from casual traffic and separately on partially covered objects. The outcome of this thesis is reusable and expandable dataset, measured performance values and their deeper exploration in this text.
|
|
|
Vehicle Detection in Image and Video
Rozprým, Dalimil ; Juránek, Roman (referee) ; Špaňhel, Jakub (advisor)
The goal of this thesis is comparison of available multiclass detectors abilities to detect road vehicles on purposely created dataset. As multiclass detectors are chosen neural networks for detection and classification of objects in image. Detectors described in this text and used for experimentation are Mask R-CNN, YOLOv4 and YOLACT++. This selection encompasses multiple different architectures and approaches to object detection. Created dataset used for learning and testing is thoroughly described in this text. Detection capability of detectors is tested on images from casual traffic and separately on partially covered objects. The outcome of this thesis is reusable and expandable dataset, measured performance values and their deeper exploration in this text.
|
|
|
Basics of Pedestrians Detection in Image by Machine Learning
Lučanský, Peter ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Táto Bakalárska práce sa zaoberá významnou problematikou v oblasti počítačového videnia, ktorou je detekcia osôb/chodcov v obraze, za pomoci metod strojového učenia, spolu s jej možným využitím, vývojom a vysvetlením princípov. Taktiež sa zaoberá testovaním dnes najlepšieho dostupného algoritmu, pričom sa porovnávajú faktory ktoré vplívajú na kvalitu jeho činnosti. Na začiatku je problematika stručne popísaná, potom sa prejde k podrobným popisom dosiahnutých pokrokov. V nasledujúcej časti sú popísané dostupné datasety, ktoré by sa dali použiť pri tréningu detekčného algoritmu. V poslednom rade sú vykonané trénovacie procesy za rozličných podmienok, pričom sú jednotlivé výsledky porovnávané.
|
guest ::
