DRŽÍKOVÁ, D. Hluboké neuronové sítě pro sešívání obrázků [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Slečna Držíková se dokázala velmi dobře zorientovat v problematice a zrealizovat všechny potřebné kroky - připravila dataset, tzv. baseline metodu pro porovnání, své řešení postavila na existujících modelech neuronových sítí, které trénovala na vlastním datasetu, a oba přístupy porovnala. Určitě by šlo jednotlivé části zpracovat lépe, ovšem s ohledem na obtížnost tématu to považuji za velmi dobrý výsledek bakalářské práce. Škoda závěrečného spěchu při vypracování zprávy.
Kritérium | Známka | Body | Slovní hodnocení |
---|---|---|---|
Informace k zadání | Zadání je obtížnější. Vyžadovalo nastudovat netriviální metody hlubokého učení vhodné pro danou úlohu, ale také tradiční metody pro zarovnání obrazků pro vzájemné porovnání. Obojí bez předchozích znalostí a zkušeností neboť jsou nad rámec bakalářského studia. Jako problematická se ukázala i dostupnost vhodných trénovacích a validačních dat. Firma pro testování poskytla pouze dva ukázkové datasety z elektronového mikroskopu. Studentka se musela pokusit vytvořit dataset vlastní s vhodnými typy augmentací a anotací pro porovnání metod. Požadované body zadání byly splněny a výsledkem práce je základní porovnání relativně nových metod SuperPoint a SuperGlue s tradiční metodou založenou na SIFT klíčových bodech. | ||
Práce s literaturou | Potřebnou literaturu studentka sama vyhledala a nastudovala. Část tvořily vědecké články publikované v posledních několika letech. | ||
Aktivita během řešení, konzultace, komunikace | Konzultace byly pravidelné. Studentka k řešení přistupovala aktivně a průběžně prezentovala dílčí pokroky a navrhovala další postup. | ||
Aktivita při dokončování | Praktická realizace probíhala průběžně, ale finální podoba technické zprávy mi byla předložena pozdě a nestihl jsem se k ní včas vyjádřit. | ||
Publikační činnost, ocenění | Není známa. |
Student shows her understanding of topic even with some unique approaches. This includes designing her own neural network for key-point detection and for homography predictions. Given previous findings I suggest B.
Kritérium | Známka | Body | Slovní hodnocení |
---|---|---|---|
Náročnost zadání | The content of the thesis goes beyond the knowledge acquired in the bachelor's study program. The student explored the possibilities of image stitching using neural networks. This area is not covered by the study programme and makes the assignment more difficult. | ||
Rozsah splnění požadavků zadání | |||
Rozsah technické zprávy | The thesis is of usual length. However, section 2.3 goes into unnecessary details and is too long. | ||
Prezentační úroveň technické zprávy | 85 | The thesis is logically divided and goes firstly into theoretical basis of image stitching. Later chapters then transition into used data-sets and proposed solution, ending with achieved results. Though microscopic image stitching is what makes this thesis unique, it is only mentioned briefly in the introduction and then three chapters later in proposed solution. | |
Formální úprava technické zprávy | 65 | The thesis lacks finishing touches, which can be seen in some incorrect references to images (e.g. Section 2.2 and reference to Figure 2.9b) and images with copy-pasted captions (e.g. Figure 3.1 and 3.2). Some chapters are missing introductory text. The language is with some minor mistakes. | |
Práce s literaturou | 85 | The thesis cites a total of 30 literary sources that are relevant to the task at hand. However, when working with them, it often happens that references to the same source are repeated, even every other sentence. | |
Realizační výstup | 85 | The uploaded source codes are documented but they lack instructions on how to train individual neural networks. From the point of of experiments, several methods were tried and their comparison was suitably shown. | |
Využitelnost výsledků | The achieved results can be used in practical applications of electron microscopy. |
eVSKP id 146201