| dc.contributor.advisor | Bartoš, Petr | |
| dc.contributor.author | Štindlová, Lucie | |
| dc.date.accessioned | 2026-01-06T11:51:27Z | |
| dc.date.available | 2026-01-06T11:51:27Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 2023-04-21 | |
| dc.identifier.uri | https://dspace.jcu.cz/handle/20.500.14390/48410 | |
| dc.description.abstract | Diplomová práce se zabývá problematikou počítačového vidění a porovnáním trénovaných deep learning modelů. V teoretické části je rozpracován podrobný přehled fyzikálních vlastností elektromagnetického záření viditelného spektra a principů záznamu digitálního snímku, včetně jeho vlastností. Následuje rešerše metod zpracování obrazu, kde jsou stručně charakterizovány konvenční metody a poté i konvoluční neuronové sítě. Praktická část je zaměřena na vytvoření vhodného datasetu s anotacemi, jenž je dále aplikován pro trénování vybraných modelů. Z hlediska zvolených vyhodnocovacíh metrik, a také na základě experimentálního stanovení vstupních parametrů pro trénování, je analyzována variabilita a přesnost získaných výsledků. | cze |
| dc.format | 74 | |
| dc.format | 74 | |
| dc.language.iso | cze | |
| dc.publisher | Jihočeská univerzita | cze |
| dc.rights | Bez omezení | |
| dc.subject | Elektromagnetické záření | cze |
| dc.subject | digitální obraz | cze |
| dc.subject | zpracování obrazu | cze |
| dc.subject | konvoluce | cze |
| dc.subject | anotace dat | cze |
| dc.subject | trénování neuronových sítí | cze |
| dc.subject | Electromagnetic spectrum | eng |
| dc.subject | digital image | eng |
| dc.subject | image processing | eng |
| dc.subject | convolution | eng |
| dc.subject | data annotation | eng |
| dc.subject | training neural networks | eng |
| dc.title | Fyzikální aspekty digitálního obrazu a detekce objektů aplikací konvolučních neuronových sítí | cze |
| dc.title.alternative | Physical aspects of digital image and object detection using convolutional neural networsk | eng |
| dc.type | diplomová práce | cze |
| dc.identifier.stag | 67562 | |
| dc.description.abstract-translated | The thesis is focused on computer vision and the comparison of trained deep learning models. In the theoretical part, a detailed overview of the physical properties of the visible electromagnetic spectrum and the principles of the digital image, including it, is processed. This is followed by a review of image processing methods, where conventional methods and then convolutional neural networks are briefly characterized. The practical part is focused on creating a suitable dataset with annotations, which is further applied for training selected models. The variability and accuracy of the obtained results is analyzed from the point of view of the selected evaluation metrics, as well as based on the experimental determination of input parameters for training. | eng |
| dc.date.accepted | 2023-05-22 | |
| dc.description.department | Pedagogická fakulta | cze |
| dc.thesis.degree-discipline | Fsn-ITsn | cze |
| dc.thesis.degree-grantor | Jihočeská univerzita. Pedagogická fakulta | cze |
| dc.thesis.degree-name | Mgr. | |
| dc.thesis.degree-program | Učitelství pro 2. stupeň základních škol | cze |
| dc.description.grade | Dokončená práce s úspěšnou obhajobou | cze |
| dc.contributor.referee | Blažek, Josef | |
