Detail práce
Rozpoznání druhu vozidla v obraze
Cieľom tejto bakalárskej práce je rozpoznať typ vozidla z obrazu pomocou neurónových sietí. Vozidlá sú rozdelené na šesť typov a to konkrétne - osobné auto, malá dodávka, dodávka, nákladné auto, kamión a autobus. Dátová sada bola vlastnoručne zozbieraná z videozáznamov, ktoré zaznamenávajú trajektóriu vozidiel. Následne bol zostrojený anotačný nástroj na anotovanie obrázkov. Na trénovanie sietí boli použité architektúry: VGG16, ResNet50, Xception, InceptionResNet-v2. Výsledkom práce je porovnanie architektúr. Všetky architektúry sa natrénovali a dosiahli výsledok nad 90%.
klasifikácia druhu vozidla, Python, Tensorflow, Keras, VGG16, ResNet50, Xception, InceptionResNet
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 C.
- Nejlepší architektura dosahuje chybovosti ~5%. Existují způsoby, jak chybu dále snižovat?
- Dala by se odhadnout chybovost anotací vytvořeného datasetu? Vhled by mohly poskytnout například konkrétní příklady chybné klasifikace navržené metody.
Bidlo Michal, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Čadík Martin, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Grégr Matěj, Ing., Ph.D. (UIFS FIT VUT), člen
Kočí Radek, Ing., Ph.D. (UITS FIT VUT), člen
@bachelorsthesis{FITBT23009, author = "Roman \v{C}abala", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Rozpozn\'{a}n\'{i} druhu vozidla 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 = 2020, location = "Brno, CZ", language = "slovak", url = "https://www.fit.vut.cz/study/thesis/23009/" }