| Title: | Rozpoznávání druhů plodnic vysokých hub z digitálních obrazů |
| Other Titles: | Recognition of mushroom species using digital images |
| Authors: | Picek, Lukáš |
| Advisor: | Hrúz Marek, Ing. Ph.D. |
| Referee: | Gruber Ivan, Ing. |
| Issue Date: | 2016 |
| Publisher: | Západočeská univerzita v Plzni |
| Document type: | diplomová práce |
| URI: | http://hdl.handle.net/11025/23649 |
| Keywords: | opencv;konvoluční neuronové sítě;houby;plodnice vysokých hub;segmentace;grabcut;deep learning;klasifikace;svm |
| Keywords in different language: | opencv;convolutional neural networks;mushrooms;segmentation;grabcut;classification;deep learning;svm |
| Abstract: | Hlavním cílem této diplomové práce je navržení a implementace systému, jehož úkolem je automatické rozpoznávání plodnic vysokých hub z digitálních obrazů s cílem o co nejmenší odchylku za použití minima informace od uživatele. Práce prezentuje teoretické informace o vybraných metodách a následně se zabývá i jejich praktickým využitím. Konkrétněji jde o analýzu vstupních dat a jejich předzpracování, které zahrnuje automatickou segmentaci plodnice a následně i klasifikaci upravených digitálních snímků. Klasifikace se zaobírá výhradně konvolučními neuronovými sítěmi jakožto state-of-the-art metodou pro rozpoznávání obrazových dat. Je prezentována stručná historie a několik již známých postupů užívaných pro optimalizaci klasifikace. Následuje výhradně praktická část, ve které je na základě experimentálně získaných výsledků, představen a aplikován postup pro rozpoznávání plodnic vysokých hub. Závěr práce se věnuje návrhu konkrétního systému sloužícího k využití v reálném světě. |
| Abstract in different language: | The main aim of this thesis is to design and implement an computer system which would manage automatic mushroom species recognition from digital images. High accuracy with only minimal user interaction is a must. This thesis is divided into several parts where theoretical information about selected methods and their practical usage are presented. Especially with input data analysis, data preprocessing including automatic segmentation of a mushroom and finally classification of preprocessed data. Classification is mainly focused on deep convolutional neural networks as state-of-the-art method for image data classification. History is briefly introduced together with common neural network training and classification approaches related to previous research. Followed by the practical part which introduces the main ideas for better image classification. Basically, the~theoretical background is converted to practical use in the form of experiments. These experimets proves and disproves deep convolutional neural networks teoretical knowledge on mushroom recognition topic. In conclusion, the thesis is focused on possible and specific system which is supposed to help with recognition of mushrooms in the real world. |
| Rights: | Plný text práce je přístupný bez omezení. |
| Appears in Collections: | Diplomové práce / Theses (KKY) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| PicekL_DP.pdf | Plný text práce | 8,02 MB | Adobe PDF | View/Open |
| picek-v.pdf | Posudek vedoucího práce | 616,41 kB | Adobe PDF | View/Open |
| picek-o.pdf | Posudek oponenta práce | 625,02 kB | Adobe PDF | View/Open |
| picek-p.pdf | Průběh obhajoby práce | 419,66 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/23649Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.