SKALOŠ, P. Detekce a klasifikace vozidel pro vestavěné platformy [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Student k řešení práce přístoupil opravdu svědomitě. Během jejího řešení musel pochopit koncept detekce v neuronových sítích, kde pak s vybraným modelem provedl řadu experimentů, včetně úprav vybrané architektury. Z toho důvodu hodnotím práci celkově stupněm A.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Student měl za úkol věnovat se problematice detekce a klasifikace vozidel primárně pro vestavěné platformy a zařízení s nízkým příkonem. Zadání dovolovalo pojmout práci mnoha způsoby, ale student zvolit netriviální cestu, získal rozmanité datasety a provedl rozsáhlé experimenty v oblasti multi-třidní detekce objektů, kterou vyhodnocoval na různých platformách. | ||
| Práce s literaturou | Student si sám dohledal veškeré potřebné zdroje a další literaturu, krom literatury doporučené vedoucím. Práci s literaturou tedy hodnotím kladně. | ||
| Aktivita během řešení, konzultace, komunikace | Student řešil práci velmi aktivně po oba dva semestry. Při řešení se potýkal se spoustou překážek ve formě limitů jednotlivých vestavěných platforem, kompatibility knihoven atp. Nikdy se však nevzdal a veškeré překážky zdárně překonal. Konzultace probíhaly pravidelně a student na ně chodil vždy řádně připraven. | ||
| Aktivita při dokončování | Práce byla dokončena s předstihem. Text byl několikrát důkladně konzultován. | ||
| Publikační činnost, ocenění |
Student velmi svědomitě, systematicky a pragmaticky přistoupil k úloze detekce vozidel. Co nejvíce využil existující nástroje, připravil kvalitní agregovanou datovou sadu a systematicky vyhodnotil vlastnosti detektorů na několika platformách. Oceňuji systematičnost a důkladnost experimentů. Výsledkem jsou zajímavé poznatky, které mohou být užitečné při návrhu inteligentních kamerových systémů a které by bylo vhodné dále zveřejnit například formou blogového příspěvku na některém z odborných serverů.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Práce může být náročnější z pohledu práce s různými platformami. Na druhou stranu ale student mohl ve velké míře využít již hotová řešení, která ale také jsou poměrně složitá. | ||
| Rozsah splnění požadavků zadání | Vyhodnocení kvality detektorů a jejich rychlosti na různých platformách je systematické a velmi důkladné. | ||
| Rozsah technické zprávy | Práce je sice delší než by bylo nutné, ale obsah je informačně hodnotný. | ||
| Prezentační úroveň technické zprávy | 85 | Celkově se mi práce dobře četla, myšlenkově dobře navazovala a až na výjimky jsem neměl pocit, že by něco chybělo, nebo by naopak bylo nadbytečné. Mezi tyto výjimky patří, podle mě zbytečná, sekce 2.1.1 detekci vozicel bez kamer a také 2.1.2, která není v práci potřeba a je poměrně povrchní. Také části 2.4.2. Knowledge Distillation a 2.4.1 Network Pruning nejsou pro práci příliš relevantní. Naopak u konvolučních sítí, vrstev a architektur bych v rámci tématu práce čekal vysvětlení a analýzu jejich výpočetní složitosti. Další problém je, že v experimentální části práce student často pouze uvádí konkrétní nastavení experimentů bez vysvětlení motivace těchto nastavení a procesu, jak k danému nastavení přesně došel. | |
| Formální úprava technické zprávy | 90 | Typografická i jazykové úroveň práce je velmi dobrá. Text je napsán kvalitní angličtinou, je bez chyb a je dobře a jasně formulován. Po typografické stránce je práce kvalitní. Práce obsahuje dobře zpracované grafy a vhodně formátované tabulky. Jako nedostatky vnímám příliš velké (až extrémně velké) množství nadpisů a nevhodné výčtové odrážkové seznamy v kapitole 3. Bodové hodnocení odráží hlavně dobrou angličtinu a systematické zpracování výsledků. V kontextu diplomové práce vnímám jako nevhodné používání první osoby množného čísla. Práce je dílem studenta a z textu by mělo být ihned jasné, co přesně je jeho dílem. Výjimkou z dobrého zpracování výsledků je Figure 6.1, kde by měly v jdenom grafu být vždy křivky, které má čtenář být schopen porovnat. Takto musí porovnávat křivky v různých grafech. | |
| Práce s literaturou | 88 | Student si nastudoval potřebné zdroje a v tématu se jednoznačně dobře orientuje. Práce se odkazuje celkově 43 vhodných a kvalitních zdrojů. Zdroje jsou v práci vhodně využity. Student mohl být ale důslednější - zdroje chybí například u ukázek obrázků z datových sad, v úvodu a na několika místech v kapitole 2. | |
| Realizační výstup | 90 | Velká část práce spočívala v přípravě, sjednocení a vyčištění existujících datových sad, připravě cílových platforem pro experimenty a v experimentech samotných. Samotné zdrojové kódy studenta nejsou velkého rozsahu a dokonalé kvality, ale to odpovídá tématu práce. Student se naopak musel naučit používat poměrně komplikované existující nástroje. Samotné experimenty jsou kvalitní, zajímavé a přinášejí užitečné informace. V práci mi chybělo porovnání kvality detekce na některé z původních testovacích datových sad pro možnost porovnání se staršími výsledky a vyhodnocení vlivu rozšiřování a vyčištění datových sad. | |
| Využitelnost výsledků | Výsledky práce jsou dobře využitelné. Sjednocené a vyčištěné datové sady mohou být přímo použity k trénování systémů pro monitorování dopravy a výsledky experimentů poskytují jasná vodítka pro návrh a realizaci vestavěných kamerových systémů. |
eVSKP id 144778