Automatická detekce projekčních pláten pomocí hluboké semantické segmentace – Mikuláš Bankovič
Mikuláš Bankovič
Bakalářská práce
Automatická detekce projekčních pláten pomocí hluboké semantické segmentace
Automatic Projection Screen Localization Using Deep Semantic Segmentation
Anotace:
Cieľom tejto práce je popísať sémantickú segmentáciu zameranú na hlboké učenie, implementovať system schopný detekovať premietané obrazovky pomocou sémantickej segmentácie a tento systém následne ohodnotiť. Začiatočné kapitoly sú venované vysvetleniu a stručnému popisu sémantickej segmentácie. Následujúce kapitoly sa skladajú zo špecifikácií modelu a metód dodatočného spracovania. Výsledkom tejto práce …víceAbstract:
The goal of this bachelor thesis is to describe semantic segmentation algorithms focused on deep learning, implement a screen detection system using semantic segmentation, and provide an evaluation of this system. In the beginning, there is an explanation of the deep learning semantic segmentation. The next chapter consists of the model and post-processing screen retrieval specifications. The outcome …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 26. 5. 2020
Identifikátor:
https://is.muni.cz/th/jwi6y/
Obhajoba závěrečné práce
- Obhajoba proběhla 22. 6. 2020
- Vedoucí: Mgr. Vít Novotný
- Oponent: RNDr. Michal Batko, Ph.D., RNDr. Miloš Liška, Ph.D.
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasarykova univerzita
Fakulta informatikyBakalářský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka
Práce na příbuzné téma
-
Modelling small-RNA binding using Convolutional Neural Networks
Eva Klimentová -
Visualization of hidden layers in convolutional neural networks
Jakub Hruška -
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 -
Tomographic back-projection of either sparse or low-quality projection views, based on convolutional neural networks (CNN)
Payal JAIN -
Impact of Data Quality on Deep Learning Algorithms in Computer Vision
Vlastimil Martinek -
Long range computer vision for robotics
Michal Jankovič