MALÝ, O. Detekce zahalených tváří v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Diplomová práce se zabývala ověřením úspěšnosti současných detektorů tváří s ohledem na míru zahalení dané tváře. Po teoretické stránce jsou v práci popsány některé stávající algoritmy pro detekci tváří včetně jejich úspěšnosti na datovém set WIDER FACE. V avšak práci postrádám podrobnější zdůvodnění, proč byly právě tyto algoritmy vybrány. Stran praktické části bych měl drobnou výtku k postupu při úpravě stávajícího algoritmu pro zlepšení spolehlivosti při detekci zahalených tváří, kdy student mohl jít trochu více do hloubky. Nicméně zadání bylo splněno. Na druhou pak stanu musím vyzvednout rozšíření práce nejen o detekci, zda je tvář zahalena či nikoli, ale i o klasifikaci typu zahalení. Student pracoval z větší části samostatně, nicméně důležité body konzultoval s vedoucím. Výsledky práce je možné využít v praktických aplikacích pro detekci zahalení obličeje (ať již žádoucí nebo nežádoucí).
Student se ve své práci věnuje problematice detekce tváře se zaměřením na rozpoznání jejího zahalení. V práci chybí funkční křížové odkazy, seznam literatury by dle charakteru používání citací měl být seřazen dle abecedy nebo dodržovat číslování dle výskytu v textu. Přiložené obrázky a diagramy nejsou vektorové, v textu se občas vyskytují překlepy a logické nesrovnalosti (např. nevyhodnocených vs. nedetekovatelných str. 20, vytrénovaná str. 28), vágní tvrzení (...je velmi pomalý při výpočtu na procesoru str. 18), špatný popis tabulky 4.1. Obsahově je práce dobře strukturovaná, zejména výsledky v kapitole Testování metod považuji za přínosné - student zde testuje a porovnává vybrané metody pro detekci obličeje na souboru fotografií se zahalenými tvářemi. Praktická část se zaměřuje na jednu z metod (konkrétně Dlib CNN), která by měla být vylepšena tak, aby bylo dosaženo vyšší úspěšnosti detekce zahalené tváře a určení míry zahalení (roztřídění do skupin). Student dal dohromady databázi zahalených tváří a přetrénoval stávající Dlib CNN detektor. Dále, jak se uvádí, upravil jednu konvoluční vrstvu a vytvořil druhý detektor, který celkovou úspěšnost detekce zvyšuje. Úspěšnost rozřazení zahalení do tříd je dle výsledků 95%. Výsledky uvedené na str. 36 a jejich slovní komentář na str. 37 jsou však zavádějící (viz otázka).
eVSKP id 126040