Význam přenosového učení pro technologii počítačového vidění – Ondřej Bronec
Ondřej Bronec
Master's thesis
Význam přenosového učení pro technologii počítačového vidění
The Significance of Transfer Learning for Computer Vision Technology
Abstract:
Tématem této diplomové práce je přenosové učení – technika umožňující přenos znalostí mezi neuronovými sítěmi, a to především v kontextu počítačového vidění. Práce nejdříve prochází současnou literaturu a vysvětluje teorii této oblasti. Následuje přehled modelů počítačového vidění posledních let a praktická část, v které se pokusíme zjistit, jestli je možné pomocí přenosového učení lze kompenzovat …moreAbstract:
Subject of this thesis is transfer learning – a technique used to transfer knowledge between neural networks, especially in the field of computer vision. The thesis reviews the current research and theory of this area and then provides an overview of computer vision models from the past few years. We then include a case study in which we inquire if transfer learning can be used to compensate for the …more
Language used: Czech
Date on which the thesis was submitted / produced: 9. 9. 2019
Identifier:
https://vskp.vse.cz/eid/83102
Thesis defence
- Date of defence: 9. 6. 2021
- Supervisor: Milan Bašta
- Reader: Pavel Zimmermann
Citation record
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Vysoká škola ekonomická v Prazehttps://vskp.vse.cz/eid/83102
Vysoká škola ekonomická v Praze
Master programme / field:
Kvantitativní metody v ekonomice / Statistika
Theses on a related topic
-
Visualization of hidden layers in convolutional neural networks
Jakub Hruška -
Modelling small-RNA binding using Convolutional Neural Networks
Eva Klimentová -
Automatic Recognition of User Interface States Using Convolutional Neural Networks
Klára Petrovičová -
Segmentation of Dense Cell Populations using Convolutional Neural Networks
Filip Lux -
Interpretation techniques for deep neural networks in digital histopathology
Martin Krebs -
Automatic trackingand assessment of chronic wounds using augmented skin imaging and convolutional neural networks
Monika Molnárová -
Použití konvoluční neuronové sítě pro klasifikaci snímků ptačího peří
Kateřina Zárybnická -
Jak zmást konvoluční neuronové síte?
Erik Daniel MURGAŠ