Konvoluční neuronové sítě v analýze obrazu

Abstract

Cílem práce je seznámit se s konvolučními neuronovými sítěmi a využít je při řešení praktické implementace detektoru a klasifikátoru dopravních značek. Na základě teoretických znalostí o fungování neuronových sítí a metodách jejich učení byla napsaná uživatelská aplikace za pomocí jazyka Python a frameworku Caffe, který zaručuje kvalitní implementaci potřebných algoritmů a vysokou rychlost výpočtů i na grafické kartě.

Tato práce a uživatelská aplikace je vytvořena tak, aby bylo možné je dále rozvíjet. Aplikace je napsaná univerzálně a je možné ji zobecnit na více případů, než je detekce dopravních značek. Obsahem této práce je také srovnání výkonu a přesností jednotlivých modelů sítí s komentářem, který čtenáře navede na správný postup při tvorbě vlastních klasifikátorů.

The goal of the Diploma thesis is to get to know Convolutional neural networks and using this knowledge to create a traffic signs detector and a classifier. According to the theoretical knowledge of neural networks function and their learning methods, was created an user application with Python language and Caffe framework, which is a guarantee of a quality implementation of the necessary algorithms and a hight speed calculations on GPU.

This theis and the user application can be further formed and developed. The application is universal, therefore it can be used for more cases than a traffic signs detecting. This text also compares a performance and an accuracy of each and individual model network with notes, which help the readers to understand neuron networks and enable them to create their own classifiers.