Použití konvoluční neuronové sítě pro klasifikaci snímků ptačího peří

Kateřina Zárybnická

Bakalářská práce

Use of convolutional neural network for bird feathers classification

Anotace:

Bakalářská práce je tematicky zaměřena na umělé neuronové sítě, z velké části se věnuje konvolučním neuronovým sítím a jejich schopnosti správně rozpoznat a zařadit fotografie ptačích per. Práce je rozdělena na teoretickou a praktickou část. V teoretické části dojde k vymezení pojmů strojové učení, umělá neuronová síť, velký prostor je věnován konvolučním neuronovým sítím. Krátce se také teorie věnuje ptačímu peří. Dále jsou zde charakterizovány použité knihovny Keras, TensorFlow a další technologie. Druhá část práce, tedy ta praktická, se zabývá trénováním konvoluční neuronové sítě a hledáním optimálního řešení, které bude schopno klasifikace snímků s minimálně 90% přesností na testovací množině dat. Bude zde provedeno několik experimentů, na základě analýzy výsledku každého z nich budou nastaveny vstupní parametry pro další experiment. První experiment bude mít parametry zvoleny náhodně na základě studia odborné literatury. Na konci práce jsou zhodnoceny výsledky, je analyzován finální model umělé neuronové sítě a je zde stanoven závěr.

Abstract:

The bachelor thesis is focused on artificial neural networks, deals with convolutional neural networks and their ability to correctly recognize and classify photos of bird feathers. The theoretical part defines the concepts of machine learning and artificial neural network. Big part of this work is devoted to convolutional neural networks. The theory also briefly deals with bird feathers. The Keras and TensorFlow libraries and other technologies are described here. The second part of the work deals with the training of convolutional neural netrork and search for an optimal solution that will be able to classify images with 90 % or higher accuracy for the test data. Several experiments will be performed and inputs for every following experiment will be set based on the analysed results of the previous ones. The first experiments will have inputs chosen randomly, based on recommendations in the literature. In final part of this work the results are described, the final model of neural network is analyzed here and the conclusion is drawn.

Klíčová slova

neuronová síť, strojové učení, konvoluční neuronová síť, Keras, TensorFlow, klasifikace, peří

Keywords

neural network, machine learning, convolutional neural network, Keras, TensorFlow, classification, feather

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 15. 3. 2022

Obhajoba závěrečné práce

• Vedoucí: Ing. Michal Stočes, Ph.D.

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Bakalářský studijní program:
Informatika