Detekční forenzní nástroj s využitím hlubokých neuronových sítí pro odhalování specifických dat dle škály COPINE

Šedivý, Filip

Detekční forenzní nástroj s využitím hlubokých neuronových sítí pro odhalování specifických dat dle škály COPINE

DSpace Repository

Language: English čeština

Detekční forenzní nástroj s využitím hlubokých neuronových sítí pro odhalování specifických dat dle škály COPINE

dc.contributor.advisor	Komínková Oplatková, Zuzana
dc.contributor.author	Šedivý, Filip
dc.date.accessioned	2024-07-23T13:16:52Z
dc.date.available	2024-07-23T13:16:52Z
dc.date.issued	2023-11-05
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/56444
dc.description.abstract	Diplomová práce je zaměřena na vyvoj modelů neuronovych sítí pro detekci odhalenych osob dle škály COPINE. Natrénované modely, implementované v rámci webové aplikace, umožňují zpracování obrázků jako vstupních dat s cílem detekce zájmovych oblastí. Modely, založené na rozdílnych architekturách neuronovych sítí, vykazují mAP 58,75 % na testovací datové sadě, přičemž v určitych specifickych oblastech dosahuje nejlepší model AP 70 %.
dc.format	87 s. (131 361 znaků)
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	Umělá inteligence	cs
dc.subject	počítačové vidění	cs
dc.subject	PyTorch	cs
dc.subject	YOLOv8	cs
dc.subject	Detectron2	cs
dc.subject	Faster R-CNN	cs
dc.subject	Artificial Intelligence	en
dc.subject	Computer Vision	en
dc.subject	PyTorch	en
dc.subject	YOLOv8	en
dc.subject	Detectron2	en
dc.subject	Faster R-CNN	en
dc.title	Detekční forenzní nástroj s využitím hlubokých neuronových sítí pro odhalování specifických dat dle škály COPINE
dc.title.alternative	A Detection Forensic Tool Using Deep Neural Networks for Detecting Specific Data According to the COPINE Scale
dc.type	diplomová práce	cs
dc.contributor.referee	Volná, Eva
dc.date.accepted	2024-06-06
dc.description.abstract-translated	The thesis focuses on the development of neural network models for detection of detected persons according to the COPINE scale. The trained models, implemented within a web application, allow the processing of images as input data in order to detect regions of interest. The models, based on different neural network architectures, show a mAP of 58.75% on the test dataset, with the best model achieving an AP of 70% in certain specific regions.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	66665
dc.date.submitted	2024-05-13