Metody hlubokého učení, rozpoznávání obrazu s použitím nástroje Google Colaboratory

Bc. Daniel Charvát

Master's thesis

Deep learning methods, image recognition with use of Google Colaboratory

Abstract:

Tato diplomová práce se zaobírala neuronovými sítěmi, konkrétně konvolučními neuronovými sítěmi, rozpoznáváním obrazu a možnostmi využití Google Colaboratory, které zdarma poskytuje prostředí pro tvorbu a trénování neuronových sítí. V rámci teoretické části práce byly podrobně představeny stěžejní prvky, tedy umělá inteligence, význam a princip strojového a hlubokého učení. Ze zjištěných informací vyplynulo, že přestože se využívání neuronových sítí v praxi potýká i s několika dílčími problémy, například s hrozbou přeučení se nebo s dlouhou dobou učení se, má tento typ sítí mnoho předností.V praktické části bylo představeno prostředí Google Colaboratory a názorně zde byla popsána možnost propojení s prostředím úložiště Google Drive a jeho následné propojení s lokálním počítačem. Dále byl popsán postup získávání a úpravy dat pro učení CNN. Tato data byla využita při procesu učení první CNN. Následně byla zpracována druhá CNN, která byla naučena rozpoznávat pomeranče na datech získaných ze služby Open Images V6. Dosažené výsledky byly v závěru porovnány.

Abstract:

This diploma thesis was focused on neural networks, namely convolutional neural networks, image recognition and possibilities of using Google Colaboratory, which provides free environment for creating and training neural networks.In the theoretical part of the thesis, the main elements, namely artificial intelligence, the meaning and principle of machine and deep learning, were introduced in detail. The findings have shown that although the using of neural networks in practice is faced with several partial problems, such as the threat of overfitting or long time of learning, this type of network has many advantages.The practical part introduces the Google Colaboratory environment and illustrates the possibility of linking it to the Google Drive storage environment and the subsequent connection to the local computer. Next there was described the procedure for obtaining and modifying data for the CNN learning. This data was used in learning process of the first CNN. Then a second CNN processed, this time was used for the learning process a dataset from Open Images V6. Then the obtained results were compared.

Keywords

CNN, YOLOv3, strojové učení, konvoluční neuronové sítě, Google Colaboratory, Colab

Keywords

convolutional neural networks, CNN, YOLOv3, machine learning, Google Colaboratory, Colab

Language used: Czech

Date on which the thesis was submitted / produced: 6. 4. 2020

Thesis defence

• Supervisor: Ing. Josef Pavlíček, Ph.D.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme / field:
Systems Engineering and Informatics / Informatics