TUROŇ, R. Sémantická segmentace vozovky s detekcí jízdních pruhů v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Cílem práce bylo navrhnout a realizovat systém pro semantickou segmentaci vozovky v obraze s detekcí horizontálního dopravního značení (jízdních pruhů). Zadání patřilo k těm náročnějším. V první části student popisuje teoretické pozadí problematiky, její zařazení v kontextu strojového vidění a literární průzkum metod používaných pro řešení tohoto a podobných problémů. Tato část je na vysoké úrovni až na drobné chyby (jako opačně popsaný obrázek ukázky hranové filtrace 1.9 a její vzorec 1.12). Druhá kapitola stručně popisuje dostupné softwarové prostředky k řešení úloh počítačového vidění. Třetí kapitola obsahuje studentův návrh na segmentaci vozovky a detekce jízdních pruhů vycházející z návrhu v semestrální práci. Návrh obsahuje hardwarovou konfiguraci snímání datasetu a softwarový pipeline ke zpracování získaných dat. Čtvrtá kapitola potom popisuje vlastní implementaci navrhovaného systému. Zde jsou popsána konkrétní řešení metod navrhovaných v předchozí kapitole, a jsou zde také popsány překážky se způsoby jejich překonání, a optimalizace metody. Práce také obsahuje stručný návod k orientaci ve vlastním SW přiloženém v elektronické příloze. Pátá a poslední kapitola obsahuje vyhodnocení výsledné aplikace a srovnání jednotlivých zvažovaných metod. Bakalářská práce navazovala na předešlou semestrální práci. Práce je logicky členěná a psaná čtivým jazykem s jen vyjímečnými neodbornými výrazy. Práce má od úvodu po závěr 53 stran a odkazuje na 38 literárních zdrojů. Student po celou dobu vypracovávání práce pravidelně konzultoval a byl vždy na konzultace připraven. Celkově považuji práci za velice kvalitní a navrhuji ji k obhajobě se známkou A a 95 body.
Cílem bakalářské práce p. Turoně bylo navrhnout systém pro sémantický popis vozovky s vodorovným dopravním značením. Toto téma je středně náročné až náročné, záleží na uchopení studentem (a možná i na postoji vedoucího práce). V tomto případě a po prostudování textu ale byla volena vyšší náročnost. Po stránce formální nemám práci co vytknout. Rozsah odpovídá zvyklostem, text práce je logicky uspořádán od úvodu a jasné motivace, přes teorii na 25 stranách, která je zvolena tematicky vzhledem k budoucí práci, až po samotnou realizaci a závěr. Veškeré převzaté části teorie jsou dostatečně ozdrojované. Většinou studenti při popisu teorie prahování, rozmazání gaussovským filtrem nebo mediánem, při popisu teorie detekce hran nebo morfologických operací toto doprovází ilustračními obrázky, nejčastěji fotografií modelky Leny Söderberg, která se stala etalonem v oboru zpracování obrazu. Zde však student zvolil vlastní obrázek (1.4, 1.7, 1.8 atd.) a dal si tak evidentně práci, kdy tyto metody demonstruje na vlastním snímku. V samotné praktické části práce student nasnímal dataset (celkem 3h 35min), z kterého vybral 30 minut záznamu. Na tomto jsou pak prezentovány navržené metody včetně vhodné projektivní transformace. Kód v Pythonu je přehledný, komentáře jsou sice méně časté a je proto horší vyznat se v kódu, ale názvy funkcí napovídají o správných myšlenkových pochodech autora. Zdrojové kódy, stejně jako celé DVD, jsou uspořádány včetně popisů. V demonstračním videu se občas objevují případy, kdy projíždějící automobil „rozhodí“ aproximaci středové čáry. Proto otázka k obhajobě – čím by toto šlo eliminovat? Této bakalářské práci nemohu nic zásadního vytknout, práce svědčí o nadprůměrných schopnostech studenta a doporučuji ji k obhajobě.
eVSKP id 134715