Treffer: Redukovaná neuronová síť pro klasifikaci přítomnosti postav v obraze ; A Reduced Neural Network for Classifying the Presence of People in an Image

Title:
Redukovaná neuronová síť pro klasifikaci přítomnosti postav v obraze ; A Reduced Neural Network for Classifying the Presence of People in an Image
Contributors:
Goldmann, Tomáš, Rydlo, Štěpán
Publisher Information:
Vysoké učení technické v Brně. Fakulta informačních technologií
Publication Year:
2024
Collection:
Brno University of Technology (VUT): Digital Library / Vysoké učení technické v Brně: Digitální knihovně
Document Type:
Dissertation bachelor thesis
File Description:
application/pdf; text/html
Language:
English
Relation:
STANČEK, R. Redukovaná neuronová síť pro klasifikaci přítomnosti postav v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.; 156893; http://hdl.handle.net/11012/246957
Rights:
Standardní licenční smlouva - přístup k plnému textu bez omezení
Accession Number:
edsbas.469699EE
Database:
BASE

Weitere Informationen

Táto práca sa zameriava na tému počítačového videnia, presnejšie, na binárnu klasifikáciu prítomnosti ľudí v obrazových dátach. Cieľom tejto práce je vytvoriť redukovanú neurónovú sieť s využitím metódy knowledge distillation. Klasifikácia a detekcia objektov je výpočtovo náročná operácia. Študentský model vytvorený pomocou knowledge distillation vykazuje ekvivalentnú presnosť, pričom je menší a má vyššiu inferenčnú rýchlosť v porovnaní s učiteľským modelom. Takýto model môže byť interdisciplinárne všestranný a to predovšetkým na koncových zariadeniach, ktoré majú relatívne slabé výpočtové schopnosti. ; This thesis focuses on the topic of computer vision, more specifically, on classifying people's presence in image data. The goal is to create a reduced neural network utilizing knowledge distillation. Object classification and detection is a computationally an expensive operation. A student model created utilizing knowledge distillation shows equivalent accuracy while being smaller and having better inferencing speed compared to the teacher model. Such model can be interdisciplinarily utilized on end devices having relatively low computational capabilities. ; E