dc.contributor.advisor	Kolaja Ehlerová Jana, Ing. Ph.D. :56323	cs
dc.contributor.author	Král, Filip	cs
dc.contributor.referee	Turečková Alžběta, Ing. Ph.D. :69182	cs
dc.date.accessioned	2024-12-16T04:30:23Z
dc.date.available	2024-12-16T04:30:23Z
dc.date.committed	14.5.2024	cs
dc.date.defense	29.8.2024	cs
dc.date.issued	2024-08-29
dc.date.submitted	12.10.2023	cs
dc.description.abstract	Tato bakalářská práce popisuje návrh a implementaci, která se zabývá vytvořením a následným testováním systému automatického sběru dat pro dopravní průzkum. Cílem této práce bylo navržení architektury pro detekci a klasifikaci dopravních značek za pomocí Raspberry Pi 4 a serverového prostoru. Pro řešení problému byla vybrána detekce a klasifikace pomocí neuronových sítí, které fungují jako detekční a klasifikační skripty na straně serverové. Nakonec byla architektura systému navrhnuta jako sběr snímků a zapisování do jejich metadat u Raspberry v jednom kroku, ve druhém kroku jako detekce, klasifikace a celkové vyhodnocení na straně serverové. Řešení je automatizované za pomocí automatického odesílání pořízených snímků z Raspberry na server. Automatizace detekce a klasifikace na serverové části je připravena, ale při testování nepoužita. Výstupem je webová aplikace, která graficky zobrazuje statistické vyhodnocení. Jako programovací jazyk pro tuto práci byl použit Python.	cs
dc.description.abstract	This bachelor thesis describes the design and implementation that deals with the creation and subsequent testing of an automatic data collection system for traffic surveys. The aim of this work was to design an architecture for traffic sign detection and classification using Raspberry Pi 4 and server space. Neural network detection and classification was chosen to solve the problem by using neural networks to act as server-side detection and classification scripts. Finally, the architecture of the system was designed as image collection and writing to its metadata at the Raspberry in one step, in the second step as detection, classification and overall evaluation at the server side. The solution is automated by automatically sending the captured images from the Raspberry to the server. Automation of detection and classification on the server side is ready but not used in testing. The output is a web application that graphically displays the statistical evaluation. Python was used as the programming language for this thesis.	en
dc.format	52	cs
dc.identifier.uri	https://dspace.tul.cz/handle/15240/175788
dc.language.iso	CS	cs
dc.subject	Detekce	cs
dc.subject	Klasifikace	cs
dc.subject	Dopravní značky	cs
dc.subject	Model neuronové sítě	cs
dc.subject	Webová aplikace	cs
dc.subject	Raspberry Pi 4B	cs
dc.subject	Trénování	cs
dc.subject	GPS	cs
dc.subject	EfficientDet	cs
dc.subject	TensorFlow	cs
dc.title	Automatický systém sběru dat pro dopravní průzkum	cs
dc.title	Automatic data collection system for traffic surveys	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Bakalářský	cs
local.identifier.author	M21000091	cs
local.identifier.stag	46352	cs

Automatický systém sběru dat pro dopravní průzkum

Files

Original bundle

Collections