Umělé neuronové sítě pro rozpoznávání odhalených postav

Kopecký, Tomáš

Umělé neuronové sítě pro rozpoznávání odhalených postav

DSpace Repository

Language: English čeština

Umělé neuronové sítě pro rozpoznávání odhalených postav

dc.contributor.advisor	Komínková Oplatková, Zuzana
dc.contributor.author	Kopecký, Tomáš
dc.date.accessioned	2022-07-15T09:23:05Z
dc.date.available	2022-07-15T09:23:05Z
dc.date.issued	2021-12-03
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/50593
dc.description.abstract	Práce se zabývá tvorbou modelu neuronové sítě pro rozpoznávání nahoty - odhalených lidských postav - v multimediálních souborech. V práci je uveden výstup z provedeného průzkumu open-source i komerčních projektů, které se zabývají problematikou rozpoznávání nahoty či obecné formy pornografie v multimediálních souborech, tedy tzv. NSFW (not safe for work - nikoliv bezpečné pro práci) detektory či klasifikátory. Výsledný model byl vytvořen zejména pro specifické účely Policie České republiky, pro použití v rámci vyšetřování trestných činů souvisejících s problematikou obecné pornografie, kde bylo vzhledem k velkému množství multimediálních souborů potřebné navržení a implementace techniky automatizovaného vyhodnocení z hlediska přítomnosti pornografického obsahu. Při tvorbě bylo využito volně dostupných nástrojů a technologií z oblasti umělé inteligence a strojové-ho učení, konkrétně konvolučních neuronových sítí stechnikami hlubokého učení. Použité modely byly srovnány a aktuální dosažená přesnost se pohybuje kolem 42 %, respektive 76 %.
dc.format	106
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	nahota	cs
dc.subject	umělá inteligence	cs
dc.subject	strojové učení	cs
dc.subject	hluboké učení	cs
dc.subject	neuronové sítě	cs
dc.subject	detekce objektů	cs
dc.subject	TensorFlow	cs
dc.subject	PyTorch	cs
dc.subject	EfficientDet	cs
dc.subject	Yolov5	cs
dc.subject	nudity	en
dc.subject	artificial intelligence	en
dc.subject	machine learning	en
dc.subject	deep learning	en
dc.subject	neural networks	en
dc.subject	object de-tection	en
dc.subject	TensorFlow	en
dc.subject	PyTorch	en
dc.subject	EfficientDet	en
dc.subject	Yolov5	en
dc.title	Umělé neuronové sítě pro rozpoznávání odhalených postav
dc.title.alternative	Artficial Neural Networks for Detecting of Exposed Figures
dc.type	diplomová práce	cs
dc.contributor.referee	Volná, Eva
dc.date.accepted	2022-06-09
dc.description.abstract-translated	This thesis deals with the creation of a neural network model for nudity detection, i.e. de-tection of exposed human bodies, in multimedia files. The thesis presents the output from the survey of open-source and commercial projects which deal with the issue of detection of nudity or general form of pornography in multimedia files, so-called NSFW (not safe for work) detectors or classifiers. The final model has been created mainly for the specific pur-poses of the Police of the Czech Republic, to be used in the investigation of criminal offen-ses related to issues of general pornography. Given the large number of multimedia files, it was necessary to design and implement the techniques of automated evaluation in terms of the presence of pornographic content. During this process, freely available tools and tech-nologies of artificial intelligence and machine learning were used, specifically convolution neural networks with deep learning techniques. The models employed have been compared and the current achieved accuracy is around 42 % and 76 %, respectively.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Informační technologie	cs
dc.thesis.degree-discipline	Information Technologies	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Inženýrská informatika	cs
dc.thesis.degree-program	Engineering Informatics	en
dc.identifier.stag	61262
dc.date.submitted	2022-05-23