Full metadata record
DC FieldValueLanguage
dc.contributor.advisorCampr, Pavel
dc.contributor.authorHerbig, Milan
dc.date.accepted2014-06-19
dc.date.accessioned2015-03-25T09:51:32Z
dc.date.available2013-11-01cs
dc.date.available2015-03-25T09:51:32Z
dc.date.issued2014
dc.date.submitted2014-05-16
dc.identifier59690
dc.identifier.urihttp://hdl.handle.net/11025/15245
dc.description.abstractTéma práce je zaměřeno na rozpoznávání a klasifikaci obrazu ve videosekvencích, konkrétně na rozpoznání a zařazení snímků videa dle obsahu do předem známé kategorie. Práce se zabývá extrakcí příznaků jednak kombinací jednodušších metod a jednak komplexní metodou využívající konvoluční neuronovou síť. Získané příznaky jsou posléze klasifikovány pomocí Random Forest a SVM klasifikátoru. Cílem práce je porovnat různé kombinace jednodušších i komplexnějších příznaků pro vybrané kategorie videí. Výstupem práce jsou statistiky úspěšnosti různých kombinací extrahovaných příznaků.cs
dc.format39 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectzpracování digitalizovaného obrazucs
dc.subjectextrakce příznakůcs
dc.subjectdetekce objektůcs
dc.subjectklasifikace obrazůcs
dc.subjectkonvoluční neuronová síťcs
dc.titleRozpoznávání objektů v obrazech a videosekvencíchcs
dc.title.alternativeObject recognition in images and videosen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.description.departmentKatedra kybernetikycs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe work is focused on classification of video footages to correct category by content. Two different approaches are used to describe images. The first creates ensemble from simple feature extractors and the second uses more complex description by convolution neural network which achieves state-of-the-art performance in common classification tasks. Extracted features are classified by Random Forest and SVM classifiers. The goal is to compare combinations of simple features compared to more complex features extracted from neural network. Results present classification rate comparison of several combinations of extracted features and classifiers.en
dc.subject.translatedimage processingen
dc.subject.translatedfeature extractionen
dc.subject.translatedobject detectionen
dc.subject.translatedimage classificationen
dc.subject.translatedconvolution neural networken
Appears in Collections:Bakalářské práce / Bachelor´s works (KKY)

Files in This Item:
File Description SizeFormat 
bak_prace_final.pdfPlný text práce2,23 MBAdobe PDFView/Open
Herbig-v.pdfPosudek vedoucího práce2,94 MBAdobe PDFView/Open
Herbig-p.pdfPrůběh obhajoby práce1,35 MBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/15245

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.