Využití autoenkodérů pro detekci anomáliív obraze
dc.contributor | Rott Michal, Ing. : 63020 | |
dc.contributor.advisor | Paleček Karel, Ing. Ph.D. : 61120 | |
dc.contributor.author | Myšák, Albert | |
dc.contributor.other | Matějů Lukáš, Ing. Konzultant : 64645 | |
dc.date.accessioned | 2019-08-07T08:08:04Z | |
dc.date.available | 2019-08-07T08:08:04Z | |
dc.date.committed | 2018-12-19 | |
dc.date.defense | 2019-01-15 | |
dc.date.submitted | 2018-10-18 | |
dc.date.updated | 2019-1-15 | |
dc.degree.level | Bc. | |
dc.description.abstract | Tato bakalářská práce se zabývá využitím autoenkodéru pro detek-ci anomálií na snímcích textílie. V práci je uvedeno strojové viděnía software pro strojové vidění využivající autoenkodéry. Dále je po-psán autoenkodér a neuronové sítě. Pro otestování různých modelůautoenkodérů byla nasnímána sada 291 snímků textílie rozdělenana data trénovací, validační a testovací. V práci je popsán návrhautoenkodérů a faktory ovlivňující jejich funkčnost. Vybrané 3 mo-dely byly vyhodnoceny na testovací sadě dvěma metodami. Nejlep-ších výsledků dosáhl model kombinující konvoluční i plně propo-jené vrstvy. Při hodnocení jednotlivých pixelů má nejlepší modelTPR 0.81 při FPR 0.003. Při vyhodnocení celých snímků má nej-lepší model TPR 1 a FPR 0. Výsledný algoritmus je implementovánv prostředí LabView s využitím jazyka Python. | cs |
dc.description.abstract | This paper describes the use of autoencoders in an anomaly detecti-on of images. Paper presents machine vision and machine visionsoftware that uses autoencoders. Autoencoder and neural networkis described and to test the presented models, dataset of fabricimages has been acquired. Dataset has been divided into 3 parts tobe: trained, validated and tested. Paper describes development ofautoencoder and factors that effect results. Chosen 3 models werecompared on test dataset using two methods. Best results wereachieved by model, that combined convolutional and fully connec-ted layers. Performance is measured by two metrics. Performance onevery pixel of best model has TPR 0.81 with FPR 0.003. Performan-ce on whole image is TPR 1 with FPR 0. Algorithm is implementedusing LabView and Python.6 | en |
dc.description.mark | ||
dc.format | 42 | |
dc.format.extent | Schémata, Grafy, Tabulky 1 PDF, 5 IPYNB, 291 snímků, 23 anotací | |
dc.identifier.signature | V 201900873 | |
dc.identifier.uri | https://dspace.tul.cz/handle/15240/153165 | |
dc.language.iso | cs | |
dc.relation.isbasedon | beginarab renewcommandlabelenumi[arabicenumi] item Goodfellow, I., Bengio, Y., Courville, A. Deep learning. MIT Press, 2016 item Bishop, C. Pattern Recognition and Machine Learning. 2006. ISBN 13: 978-038731073 item Karpathy, A., Johnson, J., Li, F. Convolutional neural neworks for visual recognition. item dostupné online: http://cs231n.stanford.edu/ endarab | |
dc.rights | Vysokoškolská závěrečná práce je autorské dílo chráněné dle zákona č. 121/2000 Sb., autorský zákon, ve znění pozdějších předpisů. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou https://knihovna.tul.cz/document/26 | cs |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act. https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics https://knihovna.tul.cz/document/26 | en |
dc.rights.uri | https://knihovna.tul.cz/document/26 | |
dc.rights.uri | https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf | |
dc.subject | autoenkodér | cs |
dc.subject | neuronová síť | cs |
dc.subject | keras | cs |
dc.subject | detekce anomálie | cs |
dc.subject | tensorflow | cs |
dc.subject | autoencoder | en |
dc.subject | neural network | en |
dc.subject | keras | en |
dc.subject | anomaly detection | en |
dc.subject | tensorflow | en |
dc.subject.verbis | software | cs |
dc.title | Využití autoenkodérů pro detekci anomáliív obraze | cs |
dc.title | Using autoencoders for anomaly detection in images | en |
dc.type | bakalářská práce | cs |
local.degree.abbreviation | Bakalářský | |
local.degree.discipline | IT | |
local.degree.programme | Informační technologie | |
local.degree.programmeabbreviation | B2646 | |
local.department.abbreviation | ITE | |
local.faculty | Fakulta mechatroniky, informatiky a mezioborových studií | cs |
local.faculty.abbreviation | FM | |
local.identifier.author | M14000055 | |
local.identifier.stag | 36928 | |
local.identifier.verbis | kpw06582359 | |
local.note.administrators | automat | |
local.poradovecislo | 873 | |
local.verbis.aktualizace | 2019-10-05 07:27:49 | cs |
local.verbis.studijniprogram | ITE Informační technologie/Informační technologie | cs |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- BPFINAL.pdf
- Size:
- 2.19 MB
- Format:
- Adobe Portable Document Format
- Description:
- VSKP
Loading...
- Name:
- BP_Mysak_Albert_oponent.pdf
- Size:
- 642.66 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_oponenta_VSKP
Loading...
- Name:
- BP_Mysak_Albert_vedouci.pdf
- Size:
- 691.91 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_vedouciho_VSKP
Loading...
- Name:
- Mysak_PrubehObhajoby.pdf
- Size:
- 332.14 KB
- Format:
- Adobe Portable Document Format
- Description:
- Prubeh_obhajoby_VSKP