Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorLenc Ladislav, Ing. Ph.D.
dc.contributor.authorHamet, Martin
dc.contributor.refereeNykl Michal, Ing. Ph.D.
dc.date.accepted2021-6-15
dc.date.accessioned2021-06-25T12:33:18Z-
dc.date.available2019-10-7
dc.date.available2021-06-25T12:33:18Z-
dc.date.issued2021
dc.date.submitted2020-7-21
dc.identifier82904
dc.identifier.urihttp://hdl.handle.net/11025/44214
dc.description.abstractBakalářská práce je zaměřená na vyhledávání podobných obrázků na základě jejich obsahu. Cílem bylo seznámit se s dostupnými datovými sadami a metodami pro tento úkol a otestování vybraných metod. Pro porovnání jsem vybral dvě zajímavé metody, reprezentující klasický přístup k problému, s využitím histogramů a metodu založenou na konvolučních neuronových sítích. Testování obou metod proběhlo na dvou nejčastěji využívaných datových sadách Corel-10k a Caltech-101, které jsou velmi obecné a poskytují široké spektrum rozdílných obrázků.cs
dc.format41 s. (53775 znaků)cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectvyhledávání obrázkůcs
dc.subjectbarevný proctor l*a*bcs
dc.subjectdetekce hrancs
dc.subjectkonvolucecs
dc.subjectneuronová síťcs
dc.subjectautoencodercs
dc.subjecthistogramcs
dc.subjectcbircs
dc.subjectpythoncs
dc.subjectcorel-10kcs
dc.subjectcaltech-101cs
dc.subjectmetrikycs
dc.titleVyhledávání obrázků podle obsahucs
dc.title.alternativeContent based image retrievalen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis bachelor thesis focuses on content-based image retrieval. The purpose of this thesis is to survey available datasets and methods for the task. For comparison, two interesting methods were selected, one representing a classical approach using histograms and the other method based on convolutional neural networks. Evaluation of the both approaches was done on the two most often used datasets Corel-10k and Caltech-101, which are general enough to provide a wide range of different images.en
dc.subject.translatedimage retrievalen
dc.subject.translatedl*a*b color spaceen
dc.subject.translatededge detectionen
dc.subject.translatedconvolutionen
dc.subject.translatedneural networken
dc.subject.translatedautoencoderen
dc.subject.translatedhistogramen
dc.subject.translatedcbiren
dc.subject.translatedpythonen
dc.subject.translatedcorel-10ken
dc.subject.translatedcaltech-101en
dc.subject.translatedmetricsen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
BP v1.2.pdfPlný text práce2,72 MBAdobe PDFZobrazit/otevřít
A18B0205P_Hodnoceni.pdfPosudek vedoucího práce21,31 kBAdobe PDFZobrazit/otevřít
A18B0205P_Posudek.pdfPosudek oponenta práce151,03 kBAdobe PDFZobrazit/otevřít
A18B0205P_Obhajoba.pdfPrůběh obhajoby práce113,7 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/44214

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 informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Bakalářské práce / Bachelor´s works (KIV)