Odhad pózy zvířat pomocí metod hlubokého učení

Majer, Tomáš

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.advisor	Hrúz Marek, Ing. Ph.D.
dc.contributor.author	Majer, Tomáš
dc.contributor.referee	Kanis Jakub, Ing. Ph.D.
dc.date.accepted	2023-6-21
dc.date.accessioned	2024-01-15T23:11:21Z	-
dc.date.available	2022-10-1
dc.date.available	2024-01-15T23:11:21Z	-
dc.date.issued	2023
dc.date.submitted	2023-5-22
dc.identifier	93153
dc.identifier.uri	http://hdl.handle.net/11025/55126	-
dc.description.abstract	Cílem práce je studium, použití a vyhodnocení metod řešení úlohy estimace pózy zvířat. Tyto metody jsou použity na novém Lynx-Pose datasetu, který je v práci představen. Práce sestává z úvodu do teoretického základu estimace pózy a použití metod odhadu pózy k vyřešení predikce pózy rysa ostrovida. V práci jsou představeny hluboké neuronové sítě a metody vyhodnocení pro estimaci pózy spolu s dostupnými datasety pro estimaci pózy zvířat. Experimenty sestávají z natrénování modelů HRNet-W32, ResNet-50 a ResNet-152 pro estimaci pózy rysů a z použití technik augmentace obrazů k dosažení lepších predikcí pózy. Výsledky jsou vyhodnoceny za použití mean average precision a procenta správných predikcí a vykresleny na obrázcích z Lynx-Pose datasetu.	cs
dc.format	67 s. (114 000 znaků).
dc.language.iso	en
dc.publisher	Západočeská univerzita v Plzni
dc.rights	Plný text práce je přístupný bez omezení
dc.subject	estimace pózy zvířat	cs
dc.subject	2d estimace pózy	cs
dc.subject	estimace pózy nerigidních objektů	cs
dc.subject	estimace pózy rysa	cs
dc.subject	hrnet	cs
dc.subject	resnet	cs
dc.subject	augmentace obrázků	cs
dc.subject	lynx-pose dataset	cs
dc.subject	dataset pro estimaci pózy zvířat	cs
dc.title	Odhad pózy zvířat pomocí metod hlubokého učení	cs
dc.title.alternative	Animal pose estimation using methods of deep learning	en
dc.type	diplomová práce
dc.thesis.degree-name	Ing.
dc.thesis.degree-level	Navazující
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-program	Aplikované vědy a informatika
dc.description.result	Obhájeno
dc.description.abstract-translated	The goal of the thesis is to study, use and evaluate the animal pose estimation methods. These methods are to be used on the novel Lynx-Pose dataset introduced in the thesis. The thesis consists of an introduction to the animal pose estimation theoretical basis and the use of the pose estimation methods to predict the Eurasian lynx pose. Deep neural networks and evaluation metrics for pose estimation are introduced as well as the available animal pose estimation datasets. The experiments consist of training the HRNet-W32, ResNet-50, and ResNet-152 models for lynx pose estimation and using image augmentation techniques to achieve better performance. The results are evaluated using the mean average precision and the percentage of correct predictions and also visualized on images from the Lynx-Pose dataset.	en
dc.subject.translated	animal pose estimation	en
dc.subject.translated	2d pose estimation	en
dc.subject.translated	non-rigid object pose estimation	en
dc.subject.translated	lynx pose estimation	en
dc.subject.translated	hrnet	en
dc.subject.translated	resnet	en
dc.subject.translated	image augmentation	en
dc.subject.translated	lynx-pose dataset	en
dc.subject.translated	animal pose estimation dataset	en
Vyskytuje se v kolekcích:	Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:

Soubor	Popis	Velikost	Formát
DP_MajerT.pdf	Plný text práce	48,73 MB	Adobe PDF	Zobrazit/otevřít
PosudekOponentaSTAG.pdf	Posudek oponenta práce	64,04 kB	Adobe PDF	Zobrazit/otevřít
PosudekVedoucihoSTAG.pdf	Posudek vedoucího práce	57,67 kB	Adobe PDF	Zobrazit/otevřít
Prubeh obhajoby Majer Tomas.pdf	Průběh obhajoby práce	80,38 kB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/55126

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

hledání

navigace