Detekce objektů a sledování trasy pohybu účastníků provozu pro potřeby inteligentních dopravních uzlů

Diplomová práce se zaměřuje na problematiku detekce objektů. Je navržen experiment, který posuzuje detekční modely YOLOv5, YOLOR, Scaled-YOLOv4 a EfficientDet a po- rovnává jejich vlastnosti (rychlost detekce, pamětové nároky, přesnost a jistotu detekce). K tomuto účelu je vytvořena vlastní datová sada, na které jsou tyto parametry zkoumány. Ze studie vyplývá, že nejlépe je na tom síť YOLOv5. Pro trasování objektů je použit deep SORT, který je důležitý pro následné získání trénovacích dat z videozáznamu pro predikci pohybu objektů. Přidanou hodnotou je návrh predikčního algoritmu, který je založený na polynomiálním regresním modelu.

Grantor dc:publisher

Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií

Author dc:creator

• Vymazal, Tomáš

Advisor dc:contributor.advisor

• Burget, Radim

• Python3
• PyTorch
• YOLOv5
• YOLOR
• Scaled-YOLOv4
• EfficientDet
• deep SORT
• LSTM
• GRU
• RNN
• Polynomiální regresní model
• pandas
• Detekce
• Trasování
• Predikce
• Polynomial regression model
• Detection
• Tracking
• Pre- diction

Statement dc:rights

• Standardní licenční smlouva - přístup k plnému textu bez omezení

Language dc:language.iso

cs

Dc Identifier Other

151111

OAI identifier oai:identifier

oai:dspace.vut.cz:11012/210076