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

Využití autoenkodérů pro detekci anomáliív obraze

Files

Original bundle

Collections