JELÍNEK, Z. Re-identifikace vozidel pomocí vision transformerů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.

Posudky

Posudek vedoucího

Špaňhel, Jakub

Student experimentoval s metodami re-identifikace vozidel na několika datových sadách. Otestoval různé architektury a experimentoval také s unifikací obrazových vstupů na základě detekovatelných klíčových bodů specifických pro vozidla. Z výsledků konzultací bylo patrné, že vytvořená řešení jsou funkční. Celkově hodnotím práci stupněm A.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Student měl za úkol řešit úlohu re-identifikace objektů (konkrétně vozidel) za použití konvolučních neuronových sítí či vision transformerů. Součástí práce byly experimenty s architekturami a prozkoumání možností unifikace obrazových vstupů. 
Práce s literaturou Student si dohledal všechny potřebné zdroje a další literaturu.
Aktivita během řešení, konzultace, komunikace Student k práci přistupoval aktivně po oba semestry. Na konzultace chodil pravidelně a vždy řádně připraven.
Aktivita při dokončování Práce byla dokončena s předstihem a text byl podrobně konzultován.
Publikační činnost, ocenění
Navrhovaná známka
A
Body
90

Posudek oponenta

Hradiš, Michal

Student pracoval na složitějším tématu, vhodně zkombinoval state-of-the-art metody a provedl větší množství systematických experimentů, které poskytují zajímavé informace. Kvalitně také zpracoval textovou část práce.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání Součástí práce je větší množství experimentů.
Rozsah splnění požadavků zadání
Rozsah technické zprávy
Prezentační úroveň technické zprávy 85 Text je dobře členěn, logicky strukturován a pro čtenáře dobře pochopitelný. Několik výhrad přeci jen mám k prezentaci výsledků, která je celkově kvalitní, ale často pouze uvádí použité nastavení a hyperparametry učení bez vysvětlení procesu volby těchto hodnot. Experimenty jsou prezentovány téměř formou vyprávění. Ocenil bych zaměření na jednotlivé poznatky a kompaktnější prezentaci výsledků. Nechápu, proč se metoda UDA znenadání objeví v experimetech bez předchozího uvedení a vysvětlení. Podobně by si zasloužil lepší vysvětlení přístup image-to-track. Další výhrady, které mám jsou z části jen osobní preference.  Drobnější poznámky: Vysvětlení "Jigsaw Patch Modul" (JMP) je vágní a špatně pochopitelné. Preferoval bych, kdyby práce začínala 3. kapitolou, která vysvětluje úlohu re-identifikace, takto je 2. kapitola mírně odtržená od tématu. U rovnice 2.3 nejsou vysvětleny použité konstanty a celkově si nejsem jistý, že ji čtenář může na základě textu úplně pochopit.  Mírně nejasná je také rovnice 2.5
Formální úprava technické zprávy 91 Text je dobře napsaný a neobsahuje jakékoliv výraznější vady. Po typografické stránce je práce velmi kvalitní a student si jednoznačně dal záležet. Velmi oceňuji kvalitní vektorové obrázky.  Několik menších nedostatků:  Za rovnicemi jsou odsazeny první řádky textu i v případě, že odstavec pokračuje a občas za rovnicemi chybí čárka. Obrázky by mohly být umístěny konzistentně na začátku stránek. Rovnice 2.8, 2.9., 2.10 by měly být součástí textu. Funkce "LMHSA" a "IRFFN" v rovnici 3.9 mohly být označeny lépe.  
Práce s literaturou 88 Práce se odkazuje celkově na 42 kvalitních a relevantních zdrojů, které jsou v práci dobře využity. Student použil vhodné postupy, které se blíží state-of-the-art. Na několika málo místech mohly být uvedeny explicitně odkazy na zdroje.
Realizační výstup 87 Student vhodně využil existující repozitáře, zkombinoval je, upravil je a provedl větší množsví smysluplných experimentů. Ocenil bych ale, kdyby bylo v práci popsané, z jakých zdrojových kódů student vycházel a jak konkrétně je upravoval. Ve zdrojových kódech je uvedeno, z čeho vycházel, ale chybí mi celkový přehled a popsání konkrétních úprav. U některých experimentů jsem byl rozpačitý například z nastavení změn learning rate. Například ty ilustrované na Obrázku 5.6 jasně ukazují, že brzy po začátku trénování už je tak nízká učící konstanta, že se síť už vůbec nemění.
Využitelnost výsledků Práce využívá a kombinuje známé postupy a modely. Vytvořené zdrojové kódy by mohly být využity pro další experimenty. Experimenty poskytují zajímavé informace.
Navrhovaná známka
B
Body
88

Otázky

eVSKP id 144763