|
|
Pedestrians Detection in Traffic Environment by Machine Learning
Tilgner, Martin ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Tato práce se zabývá detekcí chodců pomocí konvolučních neuronových sítí z pohledu autonomního vozidla. A to zejména jejich otestováním ve smyslu nalezení vhodné praxe tvorby datasetu pro machine learning modely. V práci bylo natrénováno celkem deset machine learning modelů meta architektur Faster R-CNN s ResNet 101 jako feature extraktorem a SSDLite s feature extraktorem MobileNet_v2. Tyto modely byly natrénovány na datasetech o různých velikostech. Nejlépší výsledky byly dosaženy na datasetu o velikosti 5000 snímků. Kromě těchto modelů byl vytvořen nový dataset zaměřující se na chodce v noci. Dále byla vytvořena knihovna Python funkcí pro práci s datasety a automatickou tvorbu datasetu.
|
|
|
Controller for quadrocopter
Tilgner, Martin ; Kříž, Vlastimil (referee) ; Burian, František (advisor)
This thesis deals with design and creation of control board for the type of drone quadrotor. The aim of this work is to design create a control unit capable of drone stabilization and communication with superior system. It is assumed that there will be used open source firmware for quadcopter controlling. The work is divided into five parts. The first one deals with the quadrocopter flight principle and creation simple physical model of the quadrocopter. The second part deals with electrical motors for small flying machines and the suitable operating electronics. The third part deals with sensors necessary for flight stabilization and their selection. The fourth part deals with design and creation of PCB control board for the quadrocopter and the fifth part deals with the operating software.
|
|
|
Pedestrian Detection In Image By Machine Learning
Tilgner, Martin
This work deals with pedestrian detection via convolutional neural network which can be used in autonomous car driving systems to improve travel safety. The work focuses on the influence of the training dataset on the resulting network behavior. The Faster R-CNN with ResNet 101 as backbone network and the SSDLite with MobileNet v2 as backbone network meta-architectures were selected for parameter testing. Both networks achieved real-time detection while accuracy was 61.92 % for the Faster R-CNN and 31.72 % for the SSDLite.
|
|
|
Pedestrians Detection in Traffic Environment by Machine Learning
Tilgner, Martin ; Klečka, Jan (referee) ; Horák, Karel (advisor)
Tato práce se zabývá detekcí chodců pomocí konvolučních neuronových sítí z pohledu autonomního vozidla. A to zejména jejich otestováním ve smyslu nalezení vhodné praxe tvorby datasetu pro machine learning modely. V práci bylo natrénováno celkem deset machine learning modelů meta architektur Faster R-CNN s ResNet 101 jako feature extraktorem a SSDLite s feature extraktorem MobileNet_v2. Tyto modely byly natrénovány na datasetech o různých velikostech. Nejlépší výsledky byly dosaženy na datasetu o velikosti 5000 snímků. Kromě těchto modelů byl vytvořen nový dataset zaměřující se na chodce v noci. Dále byla vytvořena knihovna Python funkcí pro práci s datasety a automatickou tvorbu datasetu.
|
|
|
Controller for quadrocopter
Tilgner, Martin ; Kříž, Vlastimil (referee) ; Burian, František (advisor)
This thesis deals with design and creation of control board for the type of drone quadrotor. The aim of this work is to design create a control unit capable of drone stabilization and communication with superior system. It is assumed that there will be used open source firmware for quadcopter controlling. The work is divided into five parts. The first one deals with the quadrocopter flight principle and creation simple physical model of the quadrocopter. The second part deals with electrical motors for small flying machines and the suitable operating electronics. The third part deals with sensors necessary for flight stabilization and their selection. The fourth part deals with design and creation of PCB control board for the quadrocopter and the fifth part deals with the operating software.
|
guest ::
