Rozpoznávání objektů hlubokou sítí pro robota NAO

Abstract

V mojej práci skúmam strojové videnie a možnosti rozpoznávania objektov. Používam najmodernejšie hlboké konvolučné neurónové siete vo frameworku Keras. Skúmal som ich architektúru a možnosti dotrénovania. V rámci expe-rimentov som vytvoril novú sieť kombináciou dvoch typov sietí a ukázalo sa, že takto vytvorená sieť je úspešnejšia v klasifikácii ako tie, z ktorých bola vytvorená. Vybrané siete som vytrénoval na rozpoznávanie priestorov Fakulty informačných technológií ČVUT v Prahe. Najvhodnejšie z nich som imple-mentoval v aplikácií pre robota NAO, pomocou ktorej dokáže určiť v akom priestore sa nachádza na fakulte s presnosťou 93, 48% a s presnosťou 76, 09% dokáže určiť, v ktorej z budov sa práve stojí.

In my work, I researched machine vision and object recognition capabilities. I used the newest deep convolutional neural networks in framewok Keras. I examined their architecture and possibilities of their fine-tuning. In my experiments, I created new network combining two types of networks. Results showed that this network is more successful in classification than the original ones. I trained selected networks for space recognition at Faculty of information technology CTU in Prague. The best networks were implemented in application for robot NAO, by which it can determine with 93.48% accuracy where at the faculty is he located and with 76.09% accuracy in which of the buildings is he standing.