Detekce chodců pomocí dronů

Bystričan, Jakub

Detekce chodců pomocí dronů

dc.contributor.advisor	Fusek, Radovan
dc.contributor.author	Bystričan, Jakub
dc.contributor.referee	Holuša, Michael
dc.date.accepted	2021-05-31
dc.date.accessioned	2021-07-15T09:31:20Z
dc.date.available	2021-07-15T09:31:20Z
dc.date.issued	2021
dc.description.abstract	V tejto práci boli porovnávané metódy detekcie chodcov na snímkoch z dronov pomocou konvolučných neurónových sietí. Boli použité dve detekčné siete - YOLOv5 a Retinanet. U týchto sietí bola porovnávaná ich presnosť, rýchlosť a náročnosť trénovania. Taktiež bol sledovaný vplyv niektorých parametrov trénovania na výsledky detekcie. Pre trénovanie a testovanie bol použitý Stanford Drone Dataset ktorý obsahuje videozáznamy zachytené s dronom z kampusu Univerzity v Stanforde.	cs
dc.description.abstract	The main focus of this study was pedestrian detection using drones and convolutional neural networks. 2 detection networks were used - YOLOv5 and Retinanet. The performance was compared based on precision and speed of detection and the demands on training process. Impact of certian training parameters on results was also observed. For training and testing Stanford Drone Dataset was used, containing video recordings captured by drones at Stanford University campus.	en
dc.description.department	460 - Katedra informatiky	cs
dc.description.result	výborně	cs
dc.format.extent	16207996 bytes
dc.format.mimetype	application/pdf
dc.identifier.other	OSD002
dc.identifier.sender	S2724
dc.identifier.thesis	BYS0043_FEI_B2647_2612R025_2021
dc.identifier.uri	http://hdl.handle.net/10084/144034
dc.language.iso	cs
dc.publisher	Vysoká škola báňská – Technická univerzita Ostrava	cs
dc.rights.access	openAccess
dc.subject	konvolučné neurónové siete	cs
dc.subject	detekcia chodcov	cs
dc.subject	hlboké učenie	cs
dc.subject	YOLOv5	cs
dc.subject	Retinanet	cs
dc.subject	convolutional neural networks	en
dc.subject	pedestrian detectio	en
dc.subject	deep learning	en
dc.subject	YOLOv5	en
dc.subject	Retinanet	en
dc.thesis.degree-branch	Informatika a výpočetní technika	cs
dc.thesis.degree-grantor	Vysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatiky	cs
dc.thesis.degree-level	Bakalářský studijní program	cs
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Informační a komunikační technologie	cs
dc.title	Detekce chodců pomocí dronů	cs
dc.title.alternative	Pedestrian Detection Using Unmanned Aerial Vehicles	en
dc.type	Bakalářská práce	cs

Files

Original bundle

Now showing 1 - 5 out of 5 results

Name:: BYS0043_FEI_B2647_2612R025_2021.pdf
Size:: 15.46 MB
Format:: Adobe Portable Document Format
Description:: Text práce

Download

Name:: BYS0043_FEI_B2647_2612R025_2021_zadani.pdf
Size:: 45.95 KB
Format:: Adobe Portable Document Format
Description:: Zadání

Download

Name:: BYS0043_FEI_B2647_2612R025_2021_priloha.zip
Size:: 60.94 MB
Format:: Unknown data format
Description:: Příloha

Download

Name:: BYS0043_FEI_B2647_2612R025_2021_posudek_vedouci_Fusek_Radovan.pdf
Size:: 55.06 KB
Format:: Adobe Portable Document Format
Description:: Posudek vedoucího – Fusek, Radovan

Download

Name:: BYS0043_FEI_B2647_2612R025_2021_posudek_oponent_Holusa_Michael.pdf
Size:: 55.92 KB
Format:: Adobe Portable Document Format
Description:: Posudek oponenta – Holuša, Michael

Download

Collections

Vysokoškolské kvalifikační práce Fakulty elektrotechniky a informatiky / Theses and dissertations of Faculty of Electrical Engineering and Computer Science (FEI)