Detail práce

Počítání vozidel ve statickém obraze

Bakalářská práce Student: Vágner Filip Akademický rok: 2021/2022 Vedoucí: Špaňhel Jakub, Ing.
Název anglicky
Vehicle Counting in Still Image
Jazyk práce
český
Abstrakt

Úkolem této práce je porovnání modelů konvolučních neuronových sítí určených k počítání vozidel ve statickém obraze pomocí odhadu hustoty se zaměřením na rozdílné velikosti objektů ve scéně. Celkem byly vyhodnoceny čtyři modely - Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network a CASA-Crowd. Vyhodnocení proběhlo na třech datových sadách - TRANCOS, CARPK, PUCPR+. Nejlepších výsledků dosáhl model Scale Pyramid Network. Na datové sadě TRANCOS dosáhl v metrice Mean Absolute Error hodnoty 5,44 a v metrice GAME(3) hodnoty 9,95.

Klíčová slova

konvoluční neuronové sítě, počítání vozidel, odhad hustoty, mapa hustoty, Scale Pyramid Network, Scale-adaptive CNN, Multi-scale fusion network, CASA-Crowd

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie
Soubory
Stav
obhájeno, hodnocení C
Obhajoba
14. června 2022
Oponent
Juránek Roman, Ing., Ph.D.
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 C.

Otázky u obhajoby
  1. Vysvětlete význam křížového vyhodnocení v Kap 5.5. Proč vyhodnocovat model na datasetu, který má diametrálně odlišný charakter než pro který byl trénován?
  2. Z Kap. 4.4 - 4.6 plyne, že ground truth mapy pro každou síť jsou generované s jinou sigmou. Jaký je k tomu důvod? Není sigma spíše vlastnost vstupního datasetu (podle velikosti aut) a ne architektury sítě?
  3. Jak jste volil hyperparametry trénování (zejména learning rate) pro jednotlivé experimenty? V textu se uvádí přímo čísla, ale už ne jak se k nim došlo.
Komise
Zemčík Pavel, prof. Dr. Ing. (UPGM FIT VUT), předseda
Burget Lukáš, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Holík Lukáš, doc. Mgr., Ph.D. (UITS FIT VUT), člen
Martínek Tomáš, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Matoušek Petr, doc. Ing., Ph.D., M.A. (UIFS FIT VUT), člen
Citace
VÁGNER, Filip. Počítání vozidel ve statickém obraze. Brno, 2022. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2022-06-14. Vedoucí práce Špaňhel Jakub. Dostupné z: https://www.fit.vut.cz/study/thesis/24952/
BibTeX 
@bachelorsthesis{FITBT24952,
    author = "Filip V\'{a}gner",
    type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce",
    title = "Po\v{c}\'{i}t\'{a}n\'{i} vozidel ve statick\'{e}m 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 = 2022,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/24952/"
}

Závěrečné práce

Nahoru