velikost textu

Comparison of deep learning and classical methods for traffic signs detection

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Comparison of deep learning and classical methods for traffic signs detection
Název v češtině:
Porovnání hlubokých neuronových sítí a standardních metod pro detekci dopravního značení
Typ:
Diplomová práce
Autor:
Bc. Petr Geiger
Vedoucí:
doc. RNDr. Elena Šikudová, Ph.D.
Oponent:
Mgr. Martin Mirbauer
Konzultant:
Petr Prášek
Id práce:
208461
Fakulta:
Matematicko-fyzikální fakulta (MFF)
Pracoviště:
Katedra softwaru a výuky informatiky (32-KSVI)
Program studia:
Informatika (N1801)
Obor studia:
Umělá inteligence (IUI)
Přidělovaný titul:
Mgr.
Datum obhajoby:
16. 9. 2019
Výsledek obhajoby:
Výborně
Informace o neveřejnosti:
Zveřejnění přílohy práce bylo odloženo do 15.9.2022
Jazyk práce:
Angličtina
Klíčová slova:
stabilní vlna (SWD), hluboké neuronové sítě
Klíčová slova v angličtině:
stable wave (SWD), deep neural networks
Abstrakt:
Cílem této práce je prozkoumat a vyhodnotit klasické metody počítačového vidění a metody založené na hlubokých neuronových sítích určené pro detekci pozice závory na železničních přejezdech. Tato práce je založena na počátečním detekčním algoritmu, jehož hlavní komponenta používá detektor stabilní vlny. Tento počáteční algoritmus je v práci nejprve zoptimalizován z hlediska výkonosti i kvality jeho výsledků. Obojí je zásadní, jelikož nejlepší metoda by měla být vhodná jako komponenta real-time bezpečnostního systému pro železniční přejezdy. Dále je implementován další přístup založený na hlubokých neuronových sítích, který je také zoptimalizován v obou aspektech. V průběhu této práce je vytvořeno několik datasetů, jak pro trénování, tak i testování detekčních algoritmů. Oba přístupy jsou nakonec vyhodnoceny na stejných datasetech a jejich výsledky jsou porovnány.
Abstract v angličtině:
The goal of this thesis is to explore and evaluate classic and deep neural network computer vision methods in the task of detection position of a level crossing barrier. This thesis is based on an initial detection algorithm using a Stable Wave Detector. The initial algorithm is optimized both in performance and quality of the results. Both is crucial, because the best method should be suitable as a component of the real-time level crossing safety system. Then an another approach is implemented using deep neural networks and optimized in the same manner. Throughout the work several datasets are created for both training and testing of the algorithms. Both approaches are finally evaluated on the same test datasets and the results are compared.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Petr Geiger 15.01 MB
Stáhnout Příloha k práci Bc. Petr Geiger 90.44 MB
Stáhnout Abstrakt v českém jazyce Bc. Petr Geiger 11 kB
Stáhnout Abstrakt anglicky Bc. Petr Geiger 11 kB
Stáhnout Posudek vedoucího doc. RNDr. Elena Šikudová, Ph.D. 280 kB
Stáhnout Posudek oponenta Mgr. Martin Mirbauer 96 kB
Stáhnout Záznam o průběhu obhajoby doc. RNDr. Iveta Mrázová, CSc. 152 kB