Detail práce

Detekce vozidla v obraze

Bakalářská práce Student: Petráš Adam Akademický rok: 2019/2020 Vedoucí: Špaňhel Jakub, Ing.
Název anglicky
Detection of Vehicles in Image and Video
Jazyk práce
český
Abstrakt

Tato bakalářská práce je zaměřena na detekci vozidel v obraze. V práci je rozebrána metoda detekce vozidel pomocí konvolučních neuronových sítí, jejich struktury a modely. Všechny skripty byly realizovány v programovacím jazyce Python s rozhraním Tensorflow Object Detection API. První část bakalářské práce jsem věnoval strukturám populárních neuronových sítí a modelům detekčních neuronových sítí. Další kapitola se zabývá nejznámějšími frameworky, které se používají pro strojové učení. Byly vybrány tři modely neuronové sítě, jež byly natrénovány na datasetu COD20K. Výsledkem jsou statistické údaje, které pojednávají o efektivitě a výkonu jednotlivých modelů na natrénovaném datasetu a porovnání výkonu bez zobrazení videa na zařízeních Nvidia RTX 2060, kdy výkon dosažený sítí SDD MobileNet V2 byl 300FPS a Nvidia Tegra TX2 8GB, jehož výkon dosahoval téměř 44FPS.

Klíčová slova

detekce vozidel, konvoluční neuronové sítě, Python, TensorFlow, Nvidia Tegra, TensorRT, kvantizace, R-CNN, SSD, ONNX

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie
Soubory
Stav
obhájeno, hodnocení B
Obhajoba
8. července 2020
Oponent
Zemčík Pavel, prof. Dr. Ing.
Průběh obhajoby

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 velmi dobře

Otázky u obhajoby
  1. Interpretujte, prosím, tabulku 4.1 (přesnost výsledků) a vysvětlete na vhodném příkladu. Z pohledu aplikace, kolik z 1000 vozidel se například danými postupy bude detekovat? Je pro odpověď na tuto otázku použitá metoda IoU postačující?
  2. Prováděl jste nějaký detailnější průzkum vlivu přesnosti (resp. reprezentace) vah na přesnost celého detektorů (nejen FP16 vs FP32, ale třeba i "něco mezi tím")?
  3. Proč je RTX 2060 8x výkonnější než NVidia Tegra?
Komise
Čadík Martin, doc. Ing., Ph.D. (UPGM FIT VUT), předseda
Bařina David, Ing., Ph.D. (UPGM FIT VUT), člen
Burget Radek, doc. Ing., Ph.D. (UIFS FIT VUT), člen
Holík Lukáš, doc. Mgr., Ph.D. (UITS FIT VUT), člen
Jaroš Jiří, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Citace
PETRÁŠ, Adam. Detekce vozidla v obraze. Brno, 2020. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2020-07-08. Vedoucí práce Špaňhel Jakub. Dostupné z: https://www.fit.vut.cz/study/thesis/23204/
BibTeX 
@bachelorsthesis{FITBT23204,
    author = "Adam Petr\'{a}\v{s}",
    type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce",
    title = "Detekce 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 = "czech",
    url = "https://www.fit.vut.cz/study/thesis/23204/"
}

Závěrečné práce

Nahoru