Number of the records: 1  

Identifikace typu silničních pruhů pomocí machine learning

  1. Title statementIdentifikace typu silničních pruhů pomocí machine learning [rukopis] / Barbora Trlicová
    Additional Variant TitlesIdentifikace typu silničních pruhů pomocí machine learning
    Personal name Trlicová, Barbora, (dissertant)
    Translated titleIdentification of road lane types using machine learning
    Issue data2023
    Phys.des.59 s. + 1 CD ROM
    NoteVed. práce Rostislav Vodák
    Oponent Ondřej Pavlačka
    Another responsib. Vodák, Rostislav (thesis advisor)
    Pavlačka, Ondřej (opponent)
    Another responsib. Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (degree grantor)
    Keywords OpenCV * detekce hrany * konvoluční neuronová síť * OpenCV * edge detection * convolutional neural network
    Form, Genre bakalářské práce bachelor's theses
    UDC (043)378.22
    CountryČesko
    Languagečeština
    Document kindPUBLIKAČNÍ ČINNOST
    TitleBc.
    Degree programBakalářský
    Degree programAplikovaná matematika
    Degreee disciplineAplikovaná matematika - specializace Průmyslová matematika
    book

    book

    Kvalifikační práceDownloadedSizedatum zpřístupnění
    00286162-734469975.pdf014.3 MB17.04.2023
    PosudekTyp posudku
    00286162-ved-372689236.pdfPosudek vedoucího
    00286162-opon-536372916.pdfPosudek oponenta
    Ostatní přílohySizePopis
    00286162-other-180749734.ipynb1.1 MB
    00286162-other-722574454.ipynb1.9 MB

    Tato bakalářská práce se zabývá problémem identifikace typu silničních pruhů pomocí strojového učení. Nejprve je představen postup zpracování obrázků a poté neuronová síť, která identifikuje silniční pruh v obrázku. Na závěr jsou porovnány úspěšnosti různých neuronových sítí.This bachelor's thesis is concerned with the problem of identifying the type of road lanes using machine learning. First, the image processing procedure is presented, and then the neural network that identifies the road lane in the image is introduced. Finally, the accuracy of different neural networks are compared.

Number of the records: 1  

  This site uses cookies to make them easier to browse. Learn more about how we use cookies.