Sémantická segmentace obrazu pomocí hlubokých neuronových sítí

Show simple item record
dc.contributor.advisorHrúz Marek, Ing. Ph.D.
dc.contributor.authorSoukup, Lukáš
dc.contributor.refereeGruber Ivan, Ing. Ph.D.
dc.date.accepted2020-7-20
dc.date.accessioned2020-11-10T00:37:21Z
dc.date.available2019-10-1
dc.date.available2020-11-10T00:37:21Z
dc.date.issued2020
dc.date.submitted2020-7-7
dc.description.abstractTato diplomová práce se zabývá semántickou segmentací obrazu z kamery auta pomocí hlubokých neuronových sítí. Aktuálně nejlepší model aplikující sémantickou segmentaci na Cityscapes datasetu DeepLabV3+ byl kompletně re-implementován s použitím frameworků Keras a TensorFlow. Tento model byl předtrénován na ImageNet datasetu a poté byl transformován pomocí Cityscapes datasetu k tvorbě sémantické segmentace. Kvalita tohoto modelu byla ověřena pomocí validačního setu ze Cityscapes datasetu, na kterém model dosáhl výkonosti 73.55% IoU. Na závěr byl model přetrénován pomocí KPIT datasetu, aby vytvářel sémantickou segmentaci obrazu ze zadní kamery v autě, na které je čočka zvaná rybí oko. Na KPIT datasetu bylo provedeno několik experimentů. Nejlepší model dosáhl výkonosti 59.26% IoU na validační sadě.cs
dc.description.abstract-translatedThe diploma thesis deals with the problem of semantic segmentation of automotive images using a deep neural networks. DeepLabV3+, the state-of-the-art model on Cityscapes dataset, was re-implemented using Keras and TensorFlow frameworks. The model was pretrained on the ImageNet dataset and then using a transfer learning was transformed to perform a semantic segmentation on the Cityscapes dataset. The performance of the model was verified on the validation set of Cityscapes dataset, the model achieved the performance of 73.55% IoU. In the end, the model was fine-tuned using the KPIT dataset to perform semantic segmentation of fish eye camera automotive images. A few experiments were executed on the KPIT dataset. The best model achieved a performance of 59.26% IoU on the validation set.en
dc.description.resultObhájenocs
dc.format53 s.cs
dc.format.mimetypeapplication/pdf
dc.identifier82401
dc.identifier.urihttp://hdl.handle.net/11025/41538
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.rights.accessopenAccessen
dc.subjecthlubokoké neurovnové sítěcs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectdeeplabcs
dc.subjectsémantická segmentacecs
dc.subject.translateddeep neural networksen
dc.subject.translatedconvolutional neural networksen
dc.subject.translateddeeplaben
dc.subject.translatedsemantic segmentationen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.titleSémantická segmentace obrazu pomocí hlubokých neuronových sítícs
dc.title.alternativeSemantic segmentation of image using deep neural networksen
dc.title.otherSemantic segmentation of image using deep neural networkscs
dc.typediplomová prácecs
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=82401

Files

Original bundle
Showing 1 - 4 out of 4 results
No Thumbnail Available
Name:
Semantic_segmentation_of_image_using_deep_neural_networks.pdf
Size:
10.98 MB
Format:
Adobe Portable Document Format
Description:
Plný text práce
Download
No Thumbnail Available
Name:
soukup-v.pdf
Size:
724.93 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího práce
Download
No Thumbnail Available
Name:
soukup-o.pdf
Size:
741.04 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta práce
Download
No Thumbnail Available
Name:
soukup-p.pdf
Size:
428.81 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby práce
Download

Collections

Theses (KKY)