Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Lenc Ladislav, Ing. Ph.D. | |
dc.contributor.author | Hamet, Martin | |
dc.contributor.referee | Nykl Michal, Ing. Ph.D. | |
dc.date.accepted | 2021-6-15 | |
dc.date.accessioned | 2021-06-25T12:33:18Z | - |
dc.date.available | 2019-10-7 | |
dc.date.available | 2021-06-25T12:33:18Z | - |
dc.date.issued | 2021 | |
dc.date.submitted | 2020-7-21 | |
dc.identifier | 82904 | |
dc.identifier.uri | http://hdl.handle.net/11025/44214 | |
dc.description.abstract | Bakalářská 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.format | 41 s. (53775 znaků) | cs |
dc.format.mimetype | application/pdf | |
dc.language.iso | cs | cs |
dc.publisher | Západočeská univerzita v Plzni | cs |
dc.rights | Plný text práce je přístupný bez omezení. | cs |
dc.subject | vyhledávání obrázků | cs |
dc.subject | barevný proctor l*a*b | cs |
dc.subject | detekce hran | cs |
dc.subject | konvoluce | cs |
dc.subject | neuronová síť | cs |
dc.subject | autoencoder | cs |
dc.subject | histogram | cs |
dc.subject | cbir | cs |
dc.subject | python | cs |
dc.subject | corel-10k | cs |
dc.subject | caltech-101 | cs |
dc.subject | metriky | cs |
dc.title | Vyhledávání obrázků podle obsahu | cs |
dc.title.alternative | Content based image retrieval | en |
dc.type | bakalářská práce | cs |
dc.thesis.degree-name | Bc. | cs |
dc.thesis.degree-level | Bakalářský | cs |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | cs |
dc.thesis.degree-program | Inženýrská informatika | cs |
dc.description.result | Obhájeno | cs |
dc.rights.access | openAccess | en |
dc.description.abstract-translated | This 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.translated | image retrieval | en |
dc.subject.translated | l*a*b color space | en |
dc.subject.translated | edge detection | en |
dc.subject.translated | convolution | en |
dc.subject.translated | neural network | en |
dc.subject.translated | autoencoder | en |
dc.subject.translated | histogram | en |
dc.subject.translated | cbir | en |
dc.subject.translated | python | en |
dc.subject.translated | corel-10k | en |
dc.subject.translated | caltech-101 | en |
dc.subject.translated | metrics | en |
Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KIV) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
BP v1.2.pdf | Plný text práce | 2,72 MB | Adobe PDF | Zobrazit/otevřít |
A18B0205P_Hodnoceni.pdf | Posudek vedoucího práce | 21,31 kB | Adobe PDF | Zobrazit/otevřít |
A18B0205P_Posudek.pdf | Posudek oponenta práce | 151,03 kB | Adobe PDF | Zobrazit/otevřít |
A18B0205P_Obhajoba.pdf | Průběh obhajoby práce | 113,7 kB | Adobe PDF | Zobrazit/otevřít |
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.