Využití konvolučních neuronových sítí pro rozpoznávání obrazů
Use of Convolutional Neural Networks for Image Recognition
Typ dokumentu
diplomová prácemaster thesis
Autor
Petr Bláha
Vedoucí práce
Majerová Dana
Oponent práce
Nový Josef
Studijní obor
Aplikace softwarového inženýrstvíStudijní program
Aplikace přírodních vědInstituce přidělující hodnost
katedra softwarového inženýrstvíObhájeno
2022-06-01Práva
A 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.htmlVysokoškolská 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.html
Metadata
Zobrazit celý záznamAbstrakt
Cílem této diplomové práce je seznámit se s teorií konvolučních neuronových sítí, vybrat si prostředí pro jejich implementaci (MATLAB, Deep Network Designer), připravit datovou množinu a porovnat výsledky některých předtrénovaných konvolučních neuronových sítí na této datové množině. Jako datovou množinu jsem použil listy stromu rostoucích v České republice. Součástí mé práce také bylo navrhnout vlastní konvoluční neuronové sítě. Bohužel se ukázalo, že jejich validační přesnost nedosahuje výsledku předtrénovaných konvolučních neuronových sítí. Poté jsem se snažil vylepšit předtrénovanou sít GoogLeNet tak, aby validační přesnost byla vyšší. Na datové množině obsahující listy stromu bylo zlepšení poměrně malé, a proto by bylo vhodné významně rozšířit datovou množinu o různorodé fotografie či skeny listů. Konvoluční neuronovou sít, která dosáhla nejvyšší přesnosti klasifikace, jsem využil ve své aplikaci Leaf35, kterou lze nainstalovat a spustit v MATLABu. The aim of this diploma thesis is to get acquainted with the theory of convolutional neural networks, choose the environment for their implementation (MATLAB, Deep Network Designer), prepare a dataset and compare the results of some pre-trained convolutional neural networks on this dataset. The data set contains leaves of trees growing in the Czech Republic. Next part of my job was to design my own convolutional neural networks. Unfortunately, it turned out that their validation accuracy does not reach the results of pre-trained convolutional neural networks. Then I tried to improve the trained network GoogLeNet so that the validation accuracy was higher. The improvement was relatively small in the dataset containing the leaves of czech trees, and therefore it would be appropriate to significantly expand the dataset with various photographs or scans of the leaves. The convolutional neural network, which achieved the highest classification accuracy, was used in my Leaf35 application, which can be installed and run in MATLAB.