Detail práce
Využití sítí typu GAN pro zpřesňování detekce a rozpoznávání dopravních značek
Cílem této práce bylo rozšíření datové sady pro detekci dopravních značek. K řešení byly použity generativní neuronové sítě typu PatchGAN a Wasserstein GAN, kombinující architektury DenseNet a U-Net. Modely byly navrženy k syntéze snímků reálně vypadajících dopravních značek z obrázků jejich norem. Model pro detekci objektů typu SSD, natrénován pouze na syntetických datech, dosáhl přesnosti 59.6 % mAP, což je o 9.4 % lepší výsledek oproti referenčnímu modelu, natrénovaném pouze na původních datech. V případě natrénování modelu na kombinaci syntetických a původních dat, dosáhl SSD model přesnosti až 80.1 % mAP.
SSD, GAN, detekce dopravních značek, generativní model, Pix2Pix, U-Net, Wasserstein GAN, PatchGAN.
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.
- Porovnejte výsledky Vaší experimentální práce s dříve publikovanými pracemi.
- Vysvětlete, proč jste použil různé testovací sady při porovnáni s dříve publikovanými pracemi.
Burgetová Ivana, Ing., Ph.D. (UIFS FIT VUT), člen
Kreslíková Jitka, doc. RNDr., CSc. (UIFS FIT VUT), člen
Peringer Petr, Dr. Ing. (UITS FIT VUT), člen
Strnadel Josef, Ing., Ph.D. (UPSY FIT VUT), člen
@bachelorsthesis{FITBT23866, author = "Michal Glos", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Vyu\v{z}it\'{i} s\'{i}t\'{i} typu GAN pro zp\v{r}es\v{n}ov\'{a}n\'{i} detekce a rozpozn\'{a}v\'{a}n\'{i} dopravn\'{i}ch zna\v{c}ek", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2021, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/23866/" }