Hluboké neuronové sítě ve vestavěných systémech

Abstract

Tato práce prozkoumává možnosti využití hlubokých neuronových sití ve vestavěných systémech pro účely monitorování dopravy. Hlavním cílem je navrhnout, implementovat a otestovat prototyp systému využivajícího neuronové sítě pro detekci dopravních prostředků a lidí z kamerových záznamů a streamů. V práci jsou porovnány tři architektury neuronových sití: RetinaNet, YOLO a SqueezeDet. Prototyp software je navržen tak, aby mohl být nasazen na komerčně dostupná zařízení, např. Jetson Xavier od NVIDIA.

This thesis explores possibilities of~running deep neural networks on~embedded systems for~traffic monitoring. The~main goal is to~design, implement and test a prototype of~the~system for~vehicle and people detection from~video records and camera streams using neural networks. In this work, three different CNN architectures are compared, namely RetinaNet, YOLO and SqueezeDet. Software prototype is designed so that it can be deployed on commercial off-the-shelf devices, e.g. Jetson Xavier module from NVIDIA.