Využití velkých jazykových modelů v počítačovém vidění

Abstract

Tato diplomová práce se zabývá velkými jazykovými modely, pokročilými algoritmy pro detekci objektů a vývoji aplikací implementující tyto techniky pro platformu Android. První kapitola je zaměřena na velké jazykové modely, ve které jsou nejprve představeny základní pojmy a principy, včetně historického vývoje a současné architektury Transformer. Dále kapitola popisuje možné aplikace v počítačovém vidění, útoky a omezení. Druhá kapitola je zaměřena na zástupce moderních algoritmů pro detekci objektů, jejich rozdělení a princip. Třetí kapitola teoretické části stručně popisuje vývoj aplikací pro platformu Android. V praktické části je prezentován vývoj a testování mobilní aplikace SightSeek integrující počítačové vidění a velké jazykové modely. Ve druhé polovině praktické části je popsán proces vytváření datasetu a následné trénování klasifikačního modelu pro tuto aplikaci.