Detail práce
Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí
Cílem této práce je vytvoření modelu neuronové sítě pro holistické rozpoznávání registračních značek se zaměřením na přesnost a zkrácení doby trénovacího procesu. Model byl implementován, jako spojení konvoluční neuronové sítě pro extrakci hlubokých rysů obrázku značky a Bidirectional LSTM s CTC. Natrénovaný model byl porovnán s jinou implementací, využívající holistického přístupu, která byla natrénována na stejném datasetu. Vlastní návrh sítě dosáhl lepších výsledků při rozpoznávání na datové sadě, odlišné od trénovací, s chybovostí 8,3 %.
konvoluční neuronové sítě, Bidirectional LSTM, CTC, Python, Keras, TensorFlow, zpracování obrazu, rozpoznání registrační značky, deep learning
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 D.
- V navrženém schématu trénování se po určitém počtu epoch mění velikost dávky a learning rate. Ale z experimentů je vidět, že např. 3 část (zelená v Obr. 4.10) výrazně zhoršuje vlastnosti. Čím to je? Jak byste to řešil? Je vůbec nutné takto rozdělovat trénování na několik částí? Existují jiné prostředky dosáhnout podobného efektu?
Bařina David, Ing., Ph.D. (UPGM FIT VUT), člen
Burget Radek, doc. Ing., Ph.D. (UIFS FIT VUT), člen
Češka Milan, doc. RNDr., Ph.D. (UITS FIT VUT), člen
Mrázek Vojtěch, Ing., Ph.D. (UPSY FIT VUT), člen
@bachelorsthesis{FITBT24954, author = "Du\v{s}an Morbitzer", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Holistick\'{e} rozpozn\'{a}n\'{i} registra\v{c}n\'{i} zna\v{c}ky pomoc\'{i} konvolu\v{c}n\'{i}ch neuronov\'{y}ch s\'{i}t\'{i}", 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/24954/" }