Fast object detection on mobile platforms using neural networks

Bc. Tomáš Repák

Bakalářská práce

Anotace:

Nejčasteji využívanými architekturami neuronových síti používaných pro detekci objektů na mobilních platformách jsou SSD (Single Shot Detector) a YOLO (You Only Look Once). Obě maji své výhody i nevýhody z pohledu přesnosti, výkonu nebo využití paměti. Cílem je porovnat současné neuronové sítě jakým je i EfficientDet s výše zmíněnými, poskytnout implementaci, analýzu a případně navrhnout modifikace. Je předpokládáno trénování na veřejně dostupném COCO datasetu.

Abstract:

The most common neural network architectures used for object detection on mobile platforms are SSD (Single Shot Detector) and YOLO (You Only Look Once). Both have their advantages and their drawbacks in terms of precision, performance or memory usage. The goal is to compare current state-of-the-art neural networks such as EfficientDet against either of the two, provide an implementation, an analysis and potentially propose modifications. Models are assumed to be trained on the publicly available COCO dataset.

Keywords

deep learning, machine learning, neural networks, NXP Semiconduc-tors, object detection

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 5. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 28. 6. 2021
• Vedoucí: doc. RNDr. Tomáš Brázdil, Ph.D.
• Oponent: RNDr. Jaroslav Čechák

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka