MAREK, R. Detekce poškození povrchu materiálu z fotografie [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Student natrénoval modely FasterRCNN, YOLO, RetinaNet, MaskRCNN a naimplementoval i vlastní metodu využívající metody zpracování obrazu. Přesnost těchto metod otestoval na datasetu MVTec. Student nad rámec zadání otestoval metody i nad datasetem poškození materiálu v hlavni tanku, které jsem studentovi poskytl. Celkově hodnotím přístup studenta a práci stupněm C (dobře).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Student měl za úkol vybrat několik vhodných modelů neuronových sítí pro detekci poškození materiálu, natrénovat je a porovnat jejich přesnost. Jedná se o středně náročné zadání. V rámci práce bylo nutné nastudovat principy zpracování obrazu a neuronových sítí. Zadání považuji za splněné. | ||
| Práce s literaturou | Student pracoval s literaturou samostatně a vyhledával studijní prameny i nad rámec doporučení, která dostal. | ||
| Aktivita během řešení, konzultace, komunikace | Student pracoval samostatně, byl po celou dobu aktivní a detaily svého řešení průběžně konzultoval. V rámci konzultací vždy představil znatelný pokrok. | ||
| Aktivita při dokončování | Práce byla dokončena včas a student její obsah konzultoval. Do finální verze zapracoval většinu připomínek. | ||
| Publikační činnost, ocenění | Publikační činnost a ani ocenění mi nejsou známa |
Cílem práce byla detekce poškození povrchů. Student nalezl nejvhodnější modely a přitrénoval dataset s kolekcí obrázků materiálů s různým druhem poškození. Výsledkem je porovnání přesností modelů pro zvolený problém. Jedná se o zadání mírné obtížnosti, které bylo splněno ve všech bodech, avšak neshledal jsem žádná významná rozšíření nad rámec tohoto zadání. Proto navrhuji hodnocení stupněm C.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Nejstěžejnější částí práce bylo najít a vyzkoušet vhodné modely pro detekování škrábanců a jiných poškození na fotografii. | ||
| Rozsah splnění požadavků zadání | |||
| Rozsah technické zprávy | Práce je na spodní hranici rozsahu (40 normostran), avšak obsahuje potřebné informace. | ||
| Prezentační úroveň technické zprávy | 85 | Teoretická část práce je velmi čtivá a pochopitělně sepsaná. Návrh zmiňuje zdroje snímků, ale uvítal bych i zdůvodnění, proč byly použity zvolené modely. V kapitole implementace jsou zmíněné i výsledky, což jsou porovnání přesností jednotlivých modelů. | |
| Formální úprava technické zprávy | 90 | Typografická i jazyková stránka práce je v pořádku. | |
| Práce s literaturou | 90 | Zdroje pro práci jsou v dostatečném množství a jedná se především články z odborných časopisů a knih. | |
| Realizační výstup | 85 | Realizační výstup mi byl prezentován. Jedná se o sadu Python skriptů, které pracují s modely a na zvolených snímcích vyznačují poškození. | |
| Využitelnost výsledků | Jedná se o spíše o práci kompilačního charakteru. Pokud by student například specializoval libovolný model pro detekci poškození právě tankové hlavně, práce by mohla být přínosnější. Avšak to nebylo definované zadáním. |
eVSKP id 154960