Využití metod hlubokého učení při klasifikaci obrazu

Abstract

Diplomová práce se zabývá tématem hlubokého učení, věnuje se zejména jeho využití při klasifikaci obrazu. Cílem práce je seznámit se s metodami pro klasifikaci obrazu. Popisuji různé typy modelů, vrstvy používané v konvenčních konvolučních sítích, nejpoužívanější aktivační funkce, věnuji se problému přeučení i přípravě dat. Dále se zabývám čtyřmi vybranými předtrénovanými modely pro klasifikaci obrazu. Tyto modely jsou s využitím metody přeneseného učení v praktické části otestovány na třech datových množinách s různým počtem tříd. Nejúspěšnější model pro klasifikaci je použit v desktopové aplikaci.

The thesis deals with the topic of deep learning in image classification. The aim is to become acquainted with the methods for image classification. The types of models, layers used in conventional convolutional networks, activation functions, overfitting problem and data preparation are described here. Some pretrained image classification models are described below. The practical part includes 4 pretrained models which were tested on 3 data sets. The first set contains 2 classes, the second contains 4 classes and the last set contains 7 classes for classification. The most successful model is used in the desktop application.