Jun 25, 2019   8:36 a.m. Tadeáš
Academic information system

Summary of topics offered - Institute of Robotics and Cybernetics (FEEIT)


Basic information

Type of work: Diploma thesis
Topic: Rozpoznávanie objektov agregovaním informácie z viacerých priestorových pohľadov s využitím prostriedkov strojového učenia
Title of topic in English: Object recognition by aggregating of information from multiple scene perspectives using machine learning procedures
State of topic: approved (prof. Dr. Ing. Miloš Oravec - Study programme supervisor)
Thesis supervisor: prof. Ing. František Duchoň, PhD.
Faculty: Faculty of Electrical Engineering and Information Technology
Supervising department: Institute of Robotics and Cybernetics - FEEIT
Max. no. of students: --
Academic year:2018/2019
Proposed by: prof. Ing. František Duchoň, PhD.
Summary: Konvolučné neurónové siete zaznamenali v posledných rokoch masívne zlepšenie v rýchlosti a presnosti rozpoznávania objektov. Stále však sú relatívne nepresné, napríklad pre jeden objekt sa môže stať, že z viacerých pohľadov je správne klasifikovaný odlišne. Ak máme 3D model scény, vieme vygenerovať mnoho 2D pohľadov na scénu a pomocou spomínaných sietí rozpoznať a odsegmentovať objekty. Spojením viacerých pohľadov, ktorých pozíciu a smer poznáme, dokážeme tieto pôvodne 2D segmenty premietnuť do 3D. Tým pádom je možné vytvoriť 3D model objektov na scéne a pre každý z nich navyše vytvoriť štatistiku rozpoznaní - počtu označení. Tento princíp umožňuje “recyklovať” už existujúce neurónové siete na rozpoznávanie objektov, ktore boli trénované na obrovských datasetoch. Predpokladá sa tiež, že takéto označkovanie bude mať väčšiu spoľahlivosť, keďže bolo vytvorené na základe agregovanej štatistiky z viacerých pohľadov na objekt. Cieľom tejto práce je aplikovať neurónové siete na rozpoznávanie objektov z viacerých 2D pohľadov a agregovanie značiek v celkovom 3D modeli scény. Práca bude vypracovaná v spolupráci so spoločnosťou Photoneo s.r.o. Úlohy: 1. Analyzovať problematiku 2D segmentácie obrazu, napr. algoritmy YOLO a ResNet. 2. Analyzovať problematiku aspoň jednej CNN na rozpoznávanie (napríklad Inception v4). 3. Zo synteticky vytvoreného modelu scény generovať 2D pohľady a implementovať do systému segmentáciu a rozpoznávanie. 4. Implementovať do systému algoritmy, ktoré premietnu rozpoznané segmenty na 2D pohľade späť do 3D scény a rozsegmentujú objekty. 5. Implementovať a verifikovať agregáciu značiek pre každý individuálny objekt, definitívne označkovanie objektu vyberajte na báze najviac sa vyskytujúcej hodnoty. 6. Zdokumentovať dosiahnuté výsledky.



Limitations of the topic

To sign up for a topic it is necessary to fulfil one of the following restrictions

Limit to study programme
The table shows limitations of study programme, field, track the student has to be enrolled in to be able to register for a given topic.

ProgrammeTrackTrack
I-API Applied Informatics-- not entered -- -- not entered --

Limit to courses
The table shows limitations of a course the student has to complete to be able to register for a given topic.

DepartmentCourse title
No suitable data found.