VANČO, T. Self-supervised učení v aplikacích počítačového vidění [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Pan Vančo odevzdal diplomovou práci na velmi aktuální téma self-supervised učení v aplikacích počítačového vidění. Předložený dokument má na diplomovou práci nadstandardní rozsah téměř 170 stran, přesto se studentovi podařilo v celém dokumentu udržet vysokou prezentační, formální i jazykovou úroveň. Teoretické kapitoly 1 až 6 (přibližně 60 stran) představují velmi kvalitní zpracování literárních zdrojů (úctyhodný seznam literatury odkazuje na 84 zdrojů psaných až na dvě výjimky v angličtině). Velmi přínosné jsou především kapitola 1, popisující pojmy supervised, unsupervisled, reinforcement a semi- a self-supervised learning a vysvětlující vztahy a rozdíly mezi nimi, a kapitola 5 (34 stran), jenž je jádrem teoretické práce a výstižně popisuje princip učení s vlastním učitelem, přehledně uvádí rozdělení metod a jednotlivé metody srozumitelně popisuje. Zde je třeba si uvědomit, že téma je relativně nové, jednotlivé metody jsou prezentovány v aktuálních odborných článcích a takovýto ucelený přehled podle mě dosud neexistuje, rozhodně ne v češtině, resp. slovenštině. Stejně kvalitní a přínosná je i praktická část. Student nejdříve nashromáždil řadu různých datasetů. Poté na základě odborných článků implementoval hned čtyři SSL metody, kdy tři metody se řadí k nejsložitějším, vrcholným, state-of-the-art metodám. Následně každou metodu podrobil ohromnému množství časově i odborně náročných testů, kdy všechny testy jsou v dokumentu řádně popsány a především vyhodnoceny. Závěrem diplomant všechny metody vzájemně porovnal a dokument doplnil cennými vlastními závěry a doporučeními. Nad rámec původního záměru se student také věnoval sémantické segmentaci. Práci hodnotím jako velmi náročnou. Student pracoval od začátku velmi svědomitě a s velkým zájmem. O aktivitě a dosažené odborné úrovni studenta svědčí rozsah práce a její výsledky. Student pravidelně informoval o postupech své práce a sám navrhoval další směrování. Přínos práce vidím ve všech jejích částech – rešeršní, implementační, testovací i ve vlastním vyhodnocení. Všechny tyto části jsou samostatně i společně velmi přínosné a využitelné pro další práci v této oblasti. Jako svou chybu vedoucího práce, považuji, že jsem studenta včas nepřiměla, aby si dobrou polovinu práce schoval na případnou disertační práci či pro publikování v odborném článku. Pan Vančo předloženým dokumentem i výsledky své práce jistě prokázal inženýrské schopnosti, proto práci doporučuji k obhajobě s hodnocením A (100b).
Práce pojednává o self-supervised učení v aplikacích počítačového vidění. Její prezentační úroveň je velice dobrá, shrnuje problematiku dosti široce. Tomu odpovídá extrémně velký rozsah práce (169 celkových stran). Více než 60 stránek je věnováno popisu používaných technik a jejich variant/modifikací. Dalších více než 60 stránek popisuje vlastní práci studenta, testy provedené pro různé varianty a nastavení. Tato část obsahuje také detailní a přehledné zhodnocení dosažených výsledků. K práci také patří deset stránek příloh. První část velice kvalitně popisuje současný stav dané problematiky, včetně příkladů popisovaných vlastností. Tato část je převzata z použité literatury, která je odkazována pomocí citací. Další části je možné považovat za vlastní práci diplomanta. V praktické části přehledně popisuje svůj přístup k řešení, důvody jednotlivých kroků. Díky tomu bude práci možné reprodukovat a popřípadě v ní pokračovat. Lze tedy konstatovat, že práce značně překročila standardní rozměr, ale daný prostor byl kvalitně využit. I jazyková úroveň je na vysoké úrovni, v práci se vyskytuje minimum chyb (např. Obr. 4.7 Chybí popisek tenkého červeného průběhu, Kap. 4.9.6 střídání AOC a AUC (místo AUC)) Předložená práce svědčí o vysoké znalosti dané problematiky. Danou koncepci lze považovat za správnou. Práce je prezentována i na přiloženém DVD, kde postrádám vlastní text práce. Předložená práce svědčí o magisterských schopnostech studenta.
eVSKP id 134521