Cílem práce bude vytvořit webovou aplikaci pro rozpoznání architektonických stylů z fotografie. Teoretická část se bude zabývat existujícími modely umělé inteligence pro rozpoznávání obrazu a jejich srovnáním. V praktické části student vybere vhodný model, natrénuje ho na požadovaný dataset obsahující označené fotografie jednotlivých budov (případně rozšíří dataset o další fotografie) s cílem dosažení dostatečně dobré úspěšnosti. Součástí webové aplikace budou nabízené informace o rozpoznaném architektonickém stylu.
Annotation in English
Goal of this work will be to create a web application for recognizing architectural styles from images. The theoretical part will deal with existing models of artificial intelligence for image recognition and classification, and their comparison. In the practical part, the student selects a suitable model, trains it on the required dataset containing marked photos of individual buildings (or expands the dataset with other photos) to achieve sufficiently good estimates. The web application will offer information about the recognized architectural style.
Cílem práce bude vytvořit webovou aplikaci pro rozpoznání architektonických stylů z fotografie. Teoretická část se bude zabývat existujícími modely umělé inteligence pro rozpoznávání obrazu a jejich srovnáním. V praktické části student vybere vhodný model, natrénuje ho na požadovaný dataset obsahující označené fotografie jednotlivých budov (případně rozšíří dataset o další fotografie) s cílem dosažení dostatečně dobré úspěšnosti. Součástí webové aplikace budou nabízené informace o rozpoznaném architektonickém stylu.
Annotation in English
Goal of this work will be to create a web application for recognizing architectural styles from images. The theoretical part will deal with existing models of artificial intelligence for image recognition and classification, and their comparison. In the practical part, the student selects a suitable model, trains it on the required dataset containing marked photos of individual buildings (or expands the dataset with other photos) to achieve sufficiently good estimates. The web application will offer information about the recognized architectural style.
Cílem práce bude vytvořit webovou aplikaci, pro rozpoznání architektonických stylů z fotografie. Teoretická část se bude zabývat existujícími modely umělé inteligence pro rozpoznávání obrazu a jejich srovnáním. V praktické části student vybere vhodný model, natrénuje ho na požadovaný dataset obsahující označené fotografie jednotlivých budov (případně rozšířií dataset o další fotografie) a za dosažení dostatečně dobré úspěšnosti. Součástí webové aplikace budou nabízené informace o rozpoznaném architektonickém stylu.
Research Plan
Cílem práce bude vytvořit webovou aplikaci, pro rozpoznání architektonických stylů z fotografie. Teoretická část se bude zabývat existujícími modely umělé inteligence pro rozpoznávání obrazu a jejich srovnáním. V praktické části student vybere vhodný model, natrénuje ho na požadovaný dataset obsahující označené fotografie jednotlivých budov (případně rozšířií dataset o další fotografie) a za dosažení dostatečně dobré úspěšnosti. Součástí webové aplikace budou nabízené informace o rozpoznaném architektonickém stylu.
Recommended resources
CHOLLET, François. Deep learning v jazyku Python: knihovny Keras, Tensorflow. Přeložil Rudolf PECINOVSKÝ. Praha: Grada Publishing, 2019. Knihovna programátora (Grada). ISBN 978-80-247-3100-1.
BISHOP, Christopher M. Pattern recognition and machine learning. [New York]: Springer, c2006. Information science and statistics. ISBN 0-387-31073-8.
GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. Cambridge, MA: MIT press, [2016]. Adaptive computation and machine learning series. ISBN 9780262035613.
Recommended resources
CHOLLET, François. Deep learning v jazyku Python: knihovny Keras, Tensorflow. Přeložil Rudolf PECINOVSKÝ. Praha: Grada Publishing, 2019. Knihovna programátora (Grada). ISBN 978-80-247-3100-1.
BISHOP, Christopher M. Pattern recognition and machine learning. [New York]: Springer, c2006. Information science and statistics. ISBN 0-387-31073-8.
GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. Cambridge, MA: MIT press, [2016]. Adaptive computation and machine learning series. ISBN 9780262035613.
Enclosed appendices
-
Appendices bound in thesis
-
Taken from the library
No
Full text of the thesis
Appendices
Reviewer's report
Supervisor's report
Defence procedure record
Cílem práce bylo vytvořit webovou aplikaci pro rozpoznání architektonických stylů z fotografie. Praktická část se zabývala výběrem vhodného modelu, narénováním modelu na požadovaný dataset obsahující označené fotografie jednotlivých budov s cílem dosažení dostatečně dobré úspěšnosti a vytvořením jednoduché webové aplikace pro rozpoznávání architektonického stylu z fotek se zobrazením informací o rozpoznaném architektonickém stylu.