Hloubkové mapy pomocí Deep Learningu

Antonín Horváth

Bakalářská práce

Depth Maps using Deep Learning

Anotace:

Tato práce se zaměřuje na metodiku generování hloubkových map s pomocí hlubokého učení pro dva vstupní obrazy. Pro docílení požadovaného výsledku byla použita konvoluční neuronová síť ve formě autoencoderu společně s bilineární transformací. Text práce se zaměřuje na siamskou metodu generování hloubkových map. K implementaci umělé sítě byl použit skriptovací jazyk Python a knihovna PyTorch, která volitelně využívá technologii CUDA k akceleraci trénovacího procesu a tím znatelně sníží časovou náročnost učení.

Abstract:

This thesis focuses on the depth map generation using deep learning for stereo images. For implementation, convolutional neural network in a form of an autoencoder is used together with a bilinear transformation. Siamese method is being observed as the main topic in this work. Implementation is written in Python and PyTorch, which uses CUDA at it’s backend optionally for speeding up the learning process.

Klíčová slova

hluboké učení, konvoluční sítě, autoencoder, bilineární transformace, hloubkové mapy, python, umělá neuronová síť, stereo obrazy, siamská neuronová síť

Keywords

deep learning, convolutional neural networks, autoencoder, bilinear transformation, depth maps, python, artificial neural network, stereo images, siamese neural network

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 30. 4. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 5. 2023
• Vedoucí: Radek Simkanič
• Oponent: Radovan Fusek

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Bakalářský studijní program / obor:
Informační a komunikační technologie / Informatika a výpočetní technika