Dolovanie tried v čiastočne anotovaných obrazových dátach
Autor práce: Ing. Peter LukáčŠkoliteľ: prof. Ing. Martin Klimo, PhD.
Dátum obhajoby: 18.8.2021
Študijný program: aplikovaná informatika
Oponent 1: prof. Ing. Miloš Oravec, CSc.
Oponent 2: doc. Ing. Roman Jarina, PhD.
Slovenský abstrakt:
Lukáč Peter, Ing.: Dolovanie tried v čiastočne anotovaných obrazových dátach
(písomná práca k dizertačnej skúške). Žilinská univerzita v Žiline. Fakulta riadenia a
informatiky. Katedra informačných sietí.
Cieľom práce je navrhnúť postupy a metódy na zefektívnenie procesu získavania
anotovaných dát pre potreby vývoja metód počítačového videnia založených na hlbokom
strojovom učení. Práca predstavuje rôzne postupy pri manuálnom anotovaní obrazových dát
a nové postupy pri automatickom rozhodovaní o tom či obraz bude anotovaný alebo nie.
Okrem známych metód strojového učenia založených na softmaxe sú navrhnuté nové postupy
využívajúce detekčné a opravné kódy s podporou fuzzy logiky.
Kľúčové slová: strojové učenie, DNN, CNN, anotácia, GPGU
Anglický abstrakt:
Lukáč Peter, Ing.: Mining classes in partially annotated image data
(written part of dissertation examination). University of Žilina. Faculty of Management
Science and Informatics. Department of Information Networks .
This theses aims to design methods for streamlining the process of obtaining annotated data
in training computer vision methods based on deep machine learning. The work presents
various procedures for manual annotation of image data and new procedures for an automatic
decision whether the image will be annotated or not. New procedures using detection and
correction codes with fuzzy logic support are proposed in addition to the known softmaxbased machine learning methods.
Key words: machine learning, DNN, CNN, annotation, GPGU
Autoreferát dizertačnej práce
Text práce