Detail práce
Hluboké neuronové sítě v rozpoznávání obrazu
Neuronové sítě momentálně dosahují nejlepších výsledků při rozeznávání řeči, obrazu a i dalších klasifikačních úloh. Tato práce popisuje základní prvky a vlastnosti neuronových sítí a způsob jejich učení. Cílem této práce bylo rozšířit Caffe framework o nové metody učení a porovnat jejich výsledky pomocí experimentů na datasetu Cifar-10. Konkrétně RMSPROP a normalizovaný SGD
neuronové sítě, hluboké učení, konvoluční neuronové sítě, rozpoznávání obrazu, Cifar-10, RMSPROP, normalizovaný SGD
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.
- Prezentujte, které části frameworku Caffe a jak jste v rámci bakalářské práce modifikoval?
- Vysvětlete jakým způsobem jste vyhodnocoval 'best achieved accuracy' na testovací sadě Cifar-10 s klasifikací do 10 kategorií?
- Proč jste zvolil parametry momentum 0.9 a weight decay 0.004? Experimentoval jste i s jinou architekturou sítě?
Beran Vítězslav, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Drábek Vladimír, doc. Ing., CSc. (UPSY FIT VUT), člen
Orság Filip, Ing., Ph.D. (UITS FIT VUT), člen
Ryšavý Ondřej, doc. Ing., Ph.D. (UIFS FIT VUT), člen
@bachelorsthesis{FITBT17157, author = "Michal Kozel", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Hlubok\'{e} neuronov\'{e} s\'{i}t\v{e} v rozpozn\'{a}v\'{a}n\'{i} obrazu", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2015, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/17157/" }