| Title: | Sémantická segmentace obrazu pomocí hlubokých neuronových sítí |
| Other Titles: | Semantic segmentation of image using deep neural networks |
| Authors: | Soukup, Lukáš |
| Advisor: | Hrúz Marek, Ing. Ph.D. |
| Referee: | Gruber Ivan, Ing. Ph.D. |
| Issue Date: | 2020 |
| Publisher: | Západočeská univerzita v Plzni |
| Document type: | diplomová práce |
| URI: | http://hdl.handle.net/11025/41538 |
| Keywords: | hlubokoké neurovnové sítě;konvoluční neuronové sítě;deeplab;sémantická segmentace |
| Keywords in different language: | deep neural networks;convolutional neural networks;deeplab;semantic segmentation |
| Abstract: | Tato diplomová práce se zabývá semántickou segmentací obrazu z kamery auta pomocí hlubokých neuronových sítí. Aktuálně nejlepší model aplikující sémantickou segmentaci na Cityscapes datasetu DeepLabV3+ byl kompletně re-implementován s použitím frameworků Keras a TensorFlow. Tento model byl předtrénován na ImageNet datasetu a poté byl transformován pomocí Cityscapes datasetu k tvorbě sémantické segmentace. Kvalita tohoto modelu byla ověřena pomocí validačního setu ze Cityscapes datasetu, na kterém model dosáhl výkonosti 73.55% IoU. Na závěr byl model přetrénován pomocí KPIT datasetu, aby vytvářel sémantickou segmentaci obrazu ze zadní kamery v autě, na které je čočka zvaná rybí oko. Na KPIT datasetu bylo provedeno několik experimentů. Nejlepší model dosáhl výkonosti 59.26% IoU na validační sadě. |
| Abstract in different language: | The diploma thesis deals with the problem of semantic segmentation of automotive images using a deep neural networks. DeepLabV3+, the state-of-the-art model on Cityscapes dataset, was re-implemented using Keras and TensorFlow frameworks. The model was pretrained on the ImageNet dataset and then using a transfer learning was transformed to perform a semantic segmentation on the Cityscapes dataset. The performance of the model was verified on the validation set of Cityscapes dataset, the model achieved the performance of 73.55% IoU. In the end, the model was fine-tuned using the KPIT dataset to perform semantic segmentation of fish eye camera automotive images. A few experiments were executed on the KPIT dataset. The best model achieved a performance of 59.26% IoU on the validation set. |
| Rights: | Plný text práce je přístupný bez omezení. |
| Appears in Collections: | Diplomové práce / Theses (KKY) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Semantic_segmentation_of_image_using_deep_neural_networks.pdf | Plný text práce | 11,25 MB | Adobe PDF | View/Open |
| soukup-v.pdf | Posudek vedoucího práce | 724,93 kB | Adobe PDF | View/Open |
| soukup-o.pdf | Posudek oponenta práce | 741,04 kB | Adobe PDF | View/Open |
| soukup-p.pdf | Průběh obhajoby práce | 428,81 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/41538Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.