Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorHrúz Marek, Ing. Ph.D.
dc.contributor.authorSoukup, Lukáš
dc.contributor.refereeGruber Ivan, Ing. Ph.D.
dc.date.accepted2020-7-20
dc.date.accessioned2020-11-10T00:37:21Z-
dc.date.available2019-10-1
dc.date.available2020-11-10T00:37:21Z-
dc.date.issued2020
dc.date.submitted2020-7-7
dc.identifier82401
dc.identifier.urihttp://hdl.handle.net/11025/41538
dc.description.abstractTato diplomová práce se zabývá semántickou segmentací obrazu z kamery auta pomocí hlubokých neuronových sítí. Aktuálně nejlepší model aplikující sémantickou segmentaci na Cityscapes datasetu DeepLabV3+ byl kompletně re-implementován s použitím frameworků Keras a TensorFlow. Tento model byl předtrénován na ImageNet datasetu a poté byl transformován pomocí Cityscapes datasetu k tvorbě sémantické segmentace. Kvalita tohoto modelu byla ověřena pomocí validačního setu ze Cityscapes datasetu, na kterém model dosáhl výkonosti 73.55% IoU. Na závěr byl model přetrénován pomocí KPIT datasetu, aby vytvářel sémantickou segmentaci obrazu ze zadní kamery v autě, na které je čočka zvaná rybí oko. Na KPIT datasetu bylo provedeno několik experimentů. Nejlepší model dosáhl výkonosti 59.26% IoU na validační sadě.cs
dc.format53 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjecthlubokoké neurovnové sítěcs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectdeeplabcs
dc.subjectsémantická segmentacecs
dc.titleSémantická segmentace obrazu pomocí hlubokých neuronových sítícs
dc.title.alternativeSemantic segmentation of image using deep neural networksen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe diploma thesis deals with the problem of semantic segmentation of automotive images using a deep neural networks. DeepLabV3+, the state-of-the-art model on Cityscapes dataset, was re-implemented using Keras and TensorFlow frameworks. The model was pretrained on the ImageNet dataset and then using a transfer learning was transformed to perform a semantic segmentation on the Cityscapes dataset. The performance of the model was verified on the validation set of Cityscapes dataset, the model achieved the performance of 73.55% IoU. In the end, the model was fine-tuned using the KPIT dataset to perform semantic segmentation of fish eye camera automotive images. A few experiments were executed on the KPIT dataset. The best model achieved a performance of 59.26% IoU on the validation set.en
dc.title.otherSemantic segmentation of image using deep neural networkscs
dc.subject.translateddeep neural networksen
dc.subject.translatedconvolutional neural networksen
dc.subject.translateddeeplaben
dc.subject.translatedsemantic segmentationen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Semantic_segmentation_of_image_using_deep_neural_networks.pdfPlný text práce11,25 MBAdobe PDFZobrazit/otevřít
soukup-v.pdfPosudek vedoucího práce724,93 kBAdobe PDFZobrazit/otevřít
soukup-o.pdfPosudek oponenta práce741,04 kBAdobe PDFZobrazit/otevřít
soukup-p.pdfPrůběh obhajoby práce428,81 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/41538

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra kybernetiky / Department of Cybernetics
  5. Diplomové práce / Theses (KKY)