Segmentace obrazu pomocí neuronových sítí

Kadlečík, Marián

Segmentace obrazu pomocí neuronových sítí

dc.contributor.advisor	Prantl Martin, Ing. Ph.D.
dc.contributor.author	Kadlečík, Marián
dc.contributor.referee	Baloun Josef, Ing.
dc.date.accepted	2023-6-13
dc.date.accessioned	2023-08-02T10:47:34Z
dc.date.available	2022-10-3
dc.date.available	2023-08-02T10:47:34Z
dc.date.issued	2023
dc.date.submitted	2023-5-4
dc.description.abstract	Tato práce se zabývá segmentací obrazu za využití neuronových sítí. Začátek práce se zabývá problematikou segmentování s několika existujícími metodami nevyužívající neuronových sítí. Následně se práce již zaměřuje na neuronové sítě, jejich strukturu, funkcionalitu a využití pro segmentaci s analýzou několika vybraných architektur. Vybranými architekturami jsou U-Net (2015), DoubleU-Net (2020) a ResUNet++ (2019), a byly implementovány do programu, který je umožňuje učit na různých datech a využít za účelem segmentace. V konečné části práce se potom porovnávají výsledky mezi jednotlivými architekturami z učení a segmentace na Carvana a IMCDB datasetu. Nejlepších výsledků dosáhla architektura DoubleU-Net s Jaccard index hodnotou 0.9883 pro Carvana dataset a 0.9383 pro IMCDB dataset.	cs
dc.description.abstract-translated	This work deals with image segmentation via the usage of neural networks. The beginning of the work focuses on the problem of segmentation itself with a description of a couple of existing methods that do not use neural networks. Afterwards the work shifts it's focus to neural networks, their structure, functionality and usage for segmentation with an analysis of multiple existing architectures. Those architectures are U-Net (2015), DoubleU-Net (2020) and ResUNet++ (2019), which were then implemented into a program that can be used to train them on different data and subsequently use them for segmentation purposes. Finally the implemented architectures are trained on two seperate datasets, Carvana and IMCDB dataset, with their individual results compared in the last section of this work. The best results were achieved on the DoubleU-Net architecture with a Jaccard index value of 0.9883 for Carvana dataset and 0.9383 for IMCDB dataset respectively.	en
dc.description.result	Obhájeno
dc.format	57 stran
dc.identifier	93695
dc.identifier.uri	http://hdl.handle.net/11025/53754
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni
dc.rights	Plný text práce je přístupný bez omezení
dc.subject	segmentace obrazu	cs
dc.subject	neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	python	cs
dc.subject	pytorch	cs
dc.subject.translated	image segmentation	en
dc.subject.translated	neural networks	en
dc.subject.translated	convolutional neural networks	en
dc.subject.translated	python	en
dc.subject.translated	pytorch	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-level	Bakalářský
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Informatika a výpočetní technika
dc.title	Segmentace obrazu pomocí neuronových sítí	cs
dc.title.alternative	Image segmentation using neural networks	en
dc.type	bakalářská práce