Detail práce
Detekce graffiti tagů v obraze
Tato práce se zaměřuje na možnost využití současných metod v oblasti počítačového vidění za účelem automatické detekce graffiti tagů v obraze. Tagy jsou nejčastějším projevem graffiti, který slouží jako podpis autora. V rámci práce byly otestovány state-of-art detekční systémy, z nichž se nejvíce osvědčil Single Shot MultiBox Detector. Bylo u něj dosaženo 75,7% AP.
graffiti tagy, detekce objektů, konvoluční neuronové sítě, YOLOv2, Tiny YOLO, You Look Only Once, SSD, Single Shot MultiBox Detector, Faster R-CNN
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 B.
- Je podle vás vhodné, že porovnáváte metody podle nejvyšší úspěšnosti na testovací sadě dosažené během celého trénování? Může některým z testovaných metod tento postup nadhodnocovat výsledky?
- Napadá vás nějaký praktický způsob, jak získat doopravdy velkou datovou sadu?
- Jaká je AP slepého baseline detektoru - třeba takového, který jen náhodně vybírá oblasti z trénovací sady (nebo nejpravděpodobnější oblasti z trénovací sady).
Češka Milan, doc. RNDr., Ph.D. (UITS FIT VUT), člen
Drábek Vladimír, doc. Ing., CSc. (UPSY FIT VUT), člen
Hliněná Dana, doc. RNDr., Ph.D. (UMAT FEKT VUT), člen
Rychlý Marek, RNDr., Ph.D. (UIFS FIT VUT), člen
@bachelorsthesis{FITBT19524, author = "Jan Pavlica", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Detekce graffiti tag\r{u} v obraze", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2017, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/19524/" }