Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorHrúz Marek, Ing. Ph.D.
dc.contributor.authorBrada, Robert
dc.contributor.refereeGruber Ivan, Ing. Ph.D.
dc.date.accepted2020-6-18
dc.date.accessioned2020-11-10T00:37:19Z-
dc.date.available2019-10-1
dc.date.available2020-11-10T00:37:19Z-
dc.date.issued2020
dc.date.submitted2020-5-19
dc.identifier82341
dc.identifier.urihttp://hdl.handle.net/11025/41530
dc.description.abstractCílem práce je navrhnout a implementvat systém, který automaticky detekuje nepozornost řidiče na základě vizuálních dat z kamery, která je umístě v interiéru automobilu. Systém je postaven na principu konvolučních neuronových sítí. K implementaci je použit programovací jazyk Python. V práci jsou porovnány různé architekruty konvolučních neuronvých sítí. Konkrétně architektury VGG16, InceptionV3, ResNeXt50, EffcientNetB0 a Effi cientNetB4.cs
dc.format53 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.relation.isreferencedbyhttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=82341-
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectimplementacecs
dc.titleAutomatická analýza pozornosti řidiče z vizuálních datcs
dc.title.alternativeAutomatic analysis of driver's attention from visual dataen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe goal of this thesis is to design and implement an end-to-end Driver Attention Warning system that automatically detects distracted driver based on visual data provided by an onboard camera. The system is built using convolutional neural networks using Python programming language and Keras library. Different neural network architectures like VGG16, InceptionV3, ResNeXt50, EffcientNetB0 and Effi cientNetB4 are implemented, modi ed, optimized and combined in order to achieve the best results.en
dc.subject.translateddistracted driver detectionen
dc.subject.translatedconvolutional neural networksen
dc.subject.translatedclassificationen
dc.subject.translatedkerasen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Distracted Driver Detection Master Thesis.pdfPlný text práce4,11 MBAdobe PDFZobrazit/otevřít
brada-v.pdfPosudek vedoucího práce778,54 kBAdobe PDFZobrazit/otevřít
brada-o.pdfPosudek oponenta práce724,87 kBAdobe PDFZobrazit/otevřít
brada-p.pdfPrůběh obhajoby práce402,88 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/41530

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.