Závěrečná práce: Bc. Jan Sedlák: Rozpoznávání vozidel pomocí metod strojového učení
Diplomová práce
Rozpoznávání vozidel pomocí metod strojového učení
Machine Learning Methods for Car Recognition
Anotace
Cílem práce je prostudovat použitelnost metod strojového učení v oblasti rozpoznávání jednotlivých atributů vozidel na základě kamerových snímků z reálného prostředí. Byla vytvořena funkční implementace algoritmů strojového učení pro klasifikaci barvy a výrobce vozidla, která byla nasazena v reálném prostředí pro účely PČR.
Abstract
The aim of the thesis is to study the applicability of machine learning methods in identifying the individual vehicle attributes based on camera images from the real environment. Functional implementation of machine learning algorithms for classification of color and vehicle make has been created and deployed in real-world environment for the purpose of Police of the Czech republic.
Zadání práce
31. 5. 2016 11:01, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
- Zadáno/změněno 30. 6. 2016 17:07, Helena Kryštofová
- Záznam založen 29. 3. 2016 15:19, Jana Zemanová, učo 9619
- Zveřejnit od 30. 5. 2016 11:39, Alena Dvořáková
- Práce převzata 30. 5. 2016 11:39, Alena Dvořáková
Literatura
- GOODFELLOW, Ian; Yoshua BENGIO a Aaron COURVILLE. Deep Learning. MIT Press, 2016.
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Multilayer feedforward neural networks based on multi-valued neurons
Mgr. Miroslav Hlaváček -
Vývoj automatických obchodních systémů s využitím strojového učení
Mgr. Jakub Ryšavý -
Klasifikace dokumentů v textových korpusech
RNDr. Vít Suchomel, Ph.D., učo 139723 -
Využití neuronových sítí pro klasifikaci obrazů mozku v neurovědním výzkumu
RNDr. Roman Vyškovský, Ph.D. -
Deep learning
RNDr. Lukáš Daubner, Ph.D. -
Etické aspekty využívání data miningových metod v HR
Mgr. Nikola Fröhlichová, učo 427743 -
Automatická predikce vývoje směnových kurzů Forex
Mgr. Petr Červíček -
Určování autorství anonymních textů na základě automaticky nalezených charakteristických znaků
RNDr. Jan Rygl, učo 208072




