Využití C++ knihoven a frameworků pro úlohu klasifikace a segmentace obrázků grafů

Hrkalová, Hana

Využití C++ knihoven a frameworků pro úlohu klasifikace a segmentace obrázků grafů

dc.contributor.advisor	Martínek Jiří, Ing. Ph.D.	cs
dc.contributor.author	Hrkalová, Hana	cs
dc.contributor.referee	Prantl Martin, Ing. Ph.D.	cs
dc.date.accepted	2025-06-16
dc.date.accessioned	2026-02-20T15:33:24Z
dc.date.available	2024-09-09
dc.date.available	2026-02-20T15:33:24Z
dc.date.issued	2025-05-15
dc.date.submitted	2025-05-15
dc.description.abstract	Tato diplomová práce se zabývá automatizovanou analýzou obrazů grafů a infografik s využitím hlubokého učení, konkrétně klasifikací typu grafu a segmentací klíčových prvků na datové sadě ICPR CHART-Infographics 2022. Součástí práce je trénování klasifikačního (ResNet50 s transfer learningem) a segmentačního (U-Net) modelu. Hlavním přínosem je vývoj modulární knihovny v C++ pro provádění inference s podporou více backendů (Frugally-Deep, LibTorch, TensorRT). Práce popisuje implementaci pomocí CMake a hodnotí provozní charakteristiky (čas, paměť) různých inference frameworků na daných úlohách, čímž přináší poznatky pro automatizovanou extrakci dat z vizualizací.	cs
dc.description.abstract-translated	This diploma thesis addresses the automated analysis of graph and infographic images through deep learning, focusing on graph type classification and key element (axis) segmentation using the ICPR CHART-Infographics 2022 dataset. The work involves training classification (ResNet50 via transfer learning) and segmentation (U-Net) models. A core contribution is the development of a modular C++ inference library supporting multiple backends (Frugally-Deep, LibTorch, TensorRT). The thesis details the implementation using CMake and evaluates the performance characteristics (time, memory) of the different inference frameworks on the specified tasks, providing insights into their practical applicability for automated data extraction from visualizations.	en
dc.description.department	Katedra informatiky a výpočetní techniky	cs
dc.description.result	Obhájeno	cs
dc.format	118 s.(147 007 znaků)
dc.identifier	99614
dc.identifier.uri	http://hdl.handle.net/11025/65872
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení	cs
dc.rights.access	openAccess	cs
dc.subject	grafy	cs
dc.subject	infografika	cs
dc.subject	klasifikace obrazu	cs
dc.subject	segmentace obrazu	cs
dc.subject	hluboké učení	cs
dc.subject	neuronové sítě	cs
dc.subject	ResNet	cs
dc.subject	U-Net	cs
dc.subject	inference	cs
dc.subject	TensorFlow	cs
dc.subject	Keras	cs
dc.subject	LibTorch	cs
dc.subject	Frugally-Deep	cs
dc.subject	TensorRT	cs
dc.subject	výkonnostní analýza	cs
dc.subject	CMake	cs
dc.subject.translated	graphs	en
dc.subject.translated	infographics	en
dc.subject.translated	image classification	en
dc.subject.translated	image segmentation	en
dc.subject.translated	deep learning	en
dc.subject.translated	neural networks	en
dc.subject.translated	ResNet	en
dc.subject.translated	U-Net	en
dc.subject.translated	inference	en
dc.subject.translated	TensorFlow	en
dc.subject.translated	Keras	en
dc.subject.translated	LibTorch	en
dc.subject.translated	Frugally-Deep	en
dc.subject.translated	TensorRT	en
dc.subject.translated	performance analysis	en
dc.subject.translated	CMake	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-program	Distribuované výpočetní systémy	cs
dc.title	Využití C++ knihoven a frameworků pro úlohu klasifikace a segmentace obrázků grafů	cs
dc.title.alternative	Use of C++ libraries and frameworks for the task of chart classification and segmentation	en
dc.type	diplomová práce	cs
local.files.count	6	*
local.files.size	1097113047	*
local.has.files	yes	*
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=99614