Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Švec Jan, Ing. Ph.D. | |
dc.contributor.author | Majer, Filip | |
dc.contributor.referee | Hrúz Marek, Ing. Ph.D. | |
dc.date.accepted | 2023-6-20 | |
dc.date.accessioned | 2024-01-15T23:11:15Z | - |
dc.date.available | 2022-10-17 | |
dc.date.available | 2024-01-15T23:11:15Z | - |
dc.date.issued | 2023 | |
dc.date.submitted | 2023-5-22 | |
dc.identifier | 93420 | |
dc.identifier.uri | http://hdl.handle.net/11025/55119 | - |
dc.description.abstract | V teoretické části práce je představena obecná teorie dopředných, rekurentních a konvolučních neuronových sítí. Následuje podrobný popis Transformer architektury, použitých modelů a datasetů pro detekci objektů. V praktické části práce byla navržena architektura modelu pro detekci objektů v obrazu s využitím textových dotazů. Dotazy mohly být jednoslovné nebo ve formě vět. Pro obě varianty bylo natrénováno několik modelů s různými kombinacemi parametrů. Na závěr byly tyto modely vyhodnoceny a byla navržena některá vylepšení. | cs |
dc.format | 49 s. (80000 znaků). | |
dc.language.iso | cs | |
dc.publisher | Západočeská univerzita v Plzni | |
dc.rights | Plný text práce je přístupný bez omezení | |
dc.subject | neuronové sítě | cs |
dc.subject | transformer | cs |
dc.subject | bert | cs |
dc.subject | roberta | cs |
dc.subject | vision transformer | cs |
dc.subject | transfer learning | cs |
dc.subject | coco | cs |
dc.subject | detekce objektů | cs |
dc.subject | textové dotazy | cs |
dc.subject | detekce objektů s využitím textových dotazů | cs |
dc.title | Detekce objektů s využitím textových dotazů | cs |
dc.title.alternative | Object detection using textual queries | en |
dc.type | bakalářská práce | |
dc.thesis.degree-name | Bc. | |
dc.thesis.degree-level | Bakalářský | |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | |
dc.thesis.degree-program | Kybernetika a řídicí technika | |
dc.description.result | Obhájeno | |
dc.description.abstract-translated | In the theoretical part of the thesis, the general theory of feedforward, recurrent and convolutional neural networks is presented. This is followed by a detailed description of the Transformer architecture, important models and datasets used for object detection. In the practical part of the thesis, a model architecture has been proposed for object detection using textual queries. The queries could be a single word or in the form of sentences. For both variants, several models were trained with different parameter combinations. Lastly, these models were evaluated and improvements were proposed. | en |
dc.subject.translated | neural networks | en |
dc.subject.translated | transformer | en |
dc.subject.translated | bert | en |
dc.subject.translated | roberta | en |
dc.subject.translated | vision transformer | en |
dc.subject.translated | transfer learning | en |
dc.subject.translated | coco | en |
dc.subject.translated | object detection | en |
dc.subject.translated | textual queries | en |
dc.subject.translated | object detection using textual queries | en |
Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KKY) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
F_Majer_BP.pdf | Plný text práce | 7,72 MB | Adobe PDF | Zobrazit/otevřít |
PosudekOponentaSTAG.pdf | Posudek oponenta práce | 62,3 kB | Adobe PDF | Zobrazit/otevřít |
PosudekVedoucihoSTAG.pdf | Posudek vedoucího práce | 61,33 kB | Adobe PDF | Zobrazit/otevřít |
Prubeh obhajoby Majer Filip.pdf | Průběh obhajoby práce | 49,79 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/55119
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.