Segmentace silnic z jednopohledových obrázků

Cong Thuan, Nguyen

Segmentace silnic z jednopohledových obrázků

DSpace Repository

Language: English čeština

Segmentace silnic z jednopohledových obrázků

dc.contributor.advisor	Komínková Oplatková, Zuzana
dc.contributor.author	Cong Thuan, Nguyen
dc.date.accessioned	2024-07-23T13:16:29Z
dc.date.available	2024-07-23T13:16:29Z
dc.date.issued	2023-11-05
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/55899
dc.description.abstract	Tato práce se zaměřuje na vylepšení segmentace silnic v jednopohledových snímcích s využitím omezení existujících metod prostřednictvím adaptace metod hlubokého učení a transferového učení. Provádí analýzu nejmodernějších technik segmentace a zdůrazňuje aktuální výzvy v různých podmínkách prostředí. Strategie jsou navrženy tak, aby poskytovaly přehled o robustnosti algoritmu a využívaly schopnosti hlubokého učení pro extrakci funkcí a rozpoznávání vzorů. Ke komplexnímu testování algoritmů za určitých povětrnostních podmínek se používají nejmodernější datové sady. Výsledky jsou hodnoceny pomocí přesnosti, vyvolání, skóre F1 a výsledku segmentace vizuálních kontrol. To má přispět k náročné doméně funkcí bezpečného řízení a nahlédnutí do reálné efektivity modelů pro segmentaci silnic.
dc.format	78 p. (96137 characters)
dc.language.iso	en
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	Segmentace silnic	cs
dc.subject	umělá inteligence	cs
dc.subject	strojové učení	cs
dc.subject	neuronová síť	cs
dc.subject	segmentace obrazu	cs
dc.subject	Road segmentation	en
dc.subject	AI	en
dc.subject	Artificial Intelligence	en
dc.subject	Machine Learning	en
dc.subject	Neural Network	en
dc.subject	Image Segmentation	en
dc.title	Segmentace silnic z jednopohledových obrázků
dc.title.alternative	Road Segmentation in Single View Images
dc.type	diplomová práce	cs
dc.contributor.referee	Kotyrba, Martin
dc.date.accepted	2024-06-05
dc.description.abstract-translated	This thesis focuses on enhancing road segmentation in single-view images using the limita-tions of existing methods through the adaptation of deep learning and transfer learning methods. It conducts to analyse state-of-the-art segmentation techniques, highlighting cur-rent challenges in diverse environmental conditions. The strategies are designed to give insights about the algorithm robustness, leveraging the capabilities of deep learning for fea-ture extraction and pattern recognition. State-of-the-art datasets are used to test the algo-rithms comprehensively in certain weather conditions. Results are evaluated using preci-sion, recall, F1 score, and the segmentation outcome of visual inspections. This is to con-tribute to the challenging domain of safety driving functionalities and insights into the real-world effectiveness of the models for road segmentation.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Software Engineering	cs
dc.thesis.degree-discipline	Software Engineering	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	Information Technologies	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	66711
dc.date.submitted	2024-05-13