Rozpoznávání želv

Abstract

Tato bakalářská práce se zabývá rozpoznáváním jednotlivých exemplářů želv druhu Testudo Graeca na základě fotografií jejich plastronů. Rozpoznávací systém je vytvořen v programovacím jazyce Python. Pro automatickou detekci plastronů na fotografii je použita metoda Mask R-CNN a pro extrakci příznaků určených ke klasifikaci (multiclass či binární) jsou testovány 3 architektury konvolučních neuronových sítí – VGG16, InceptionV3 a ResNet50. Všechny tyto metody jsou v práci vysvětleny, také je zde popis příbuzných druhů želv z čeledi Testudinidae, jejich značení a použitelné identifikační příznaky na plastronech. Práce též obsahuje analýzu současných řešení problematiky automatického rozpoznávání želv a použitých datasetů, včetně návrhu ideální podoby želvího datasetu.

This bachelor thesis deals with the recognition of individual tortoises of the Testudo Graeca species based on photographs of their plastrons. The recognition system is written in the Python programming language. For automatic detection of plastrons in the photograph, the Mask R-CNN method is used, and for the feature extraction, 3 architectures of convolutional neural networks – VGG16, InceptionV3 and ResNet50, are tested. All these methods are explained in this thesis, there is also a description of related species of tortoises from the family Testudinidae, their marking and suitable identification features on the plastron. Thesis also contains an analysis of the current solutions to the issue of automatic recognition of tortoises and of used datasets, including proposal of the ideal form of a tortoises dataset.