Show simple item record

Interpretability of Deep Neural Networks for Image Segmentation



dc.contributor.advisorReinštein Michal
dc.contributor.authorVít Macura
dc.date.accessioned2020-06-10T11:12:13Z
dc.date.available2020-06-10T11:12:13Z
dc.date.issued2020-06-04
dc.identifierKOS-857605049305
dc.identifier.urihttp://hdl.handle.net/10467/87661
dc.description.abstractOd rozšíření prozkoumávání vesmíru, především v komerčním sektoru, dochází k vzinku obrovského množství satelitních snímků. Množství dat dodávaných různými satelity zvyšuje poptávku po interpretaci těchto dat za účelem získání hodnotých informací. Příkladem takových dat je dataset SpaceNet. Cílem této práce je vytvoření a vyhodnocení hluboké neuronové sítě, jakožto řešení soutěže SpaceNet Road Network Detection challenge. Kvůli komplexitě datasetu SpaceNet jsou prozkoumány a využity různé metody interpretovatelnosti pro neuronové sítě.cze
dc.description.abstractSince the widespread of space exploration, especially in the commercial sector, there has been an enormous supply of satellite imagery. The amount of data supplied by various satellites raises demand in human interpretation of given data in order to obtain valuable information. One example of such data is the SpaceNet dataset. The aim of this work is to design and evaluate a deep neural network as a solution to the SpaceNet Road Network Detection challenge based on state-of-the-art published architectures. Due to the complex nature of the SpaceNet dataset various methods of neural network interpretability are explored and implemented.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectKonvoluční neuronové sítěcze
dc.subjectSpaceNetcze
dc.subjectsegmentace obrazucze
dc.subjecthluboké učenícze
dc.subjectConvolutional neural networkseng
dc.subjectSpaceNeteng
dc.subjectimage segmentationeng
dc.subjectdeep learningeng
dc.titleInterpretovatelnost hlubokých neuronových sítí pro segmentaci obrazucze
dc.titleInterpretability of Deep Neural Networks for Image Segmentationeng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeVavrečka Michal
theses.degree.grantorkatedra počítačůcze
theses.degree.programmeSoftwarové inženýrství a technologiecze


Files in this item





This item appears in the following Collection(s)

Show simple item record