TRKAL, O. Rozpoznávání registračních značek [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.
Bakalářská práce Ondřeje Trkala řeší problematiku návrhu a realizace lokalizace registrační značky v obraze a její rozpoznávání pomocí vícevrstvé neuronové sítě. Byl navržen a zrealizován algoritmus pro vyhledávání registrační značky v barevném obraze. Dále je v práci provedeno předzpracování registrační značky, segmentace na jednotlivé znaky a jejich popis. Klasifikace registrační značky byla provedena pomocí vícevrstvé neuronové sítě s učením backpropagation. Bakalář provedl podrobnou rešerši šesti prací zabývajících se rozpoznáváním registračních značek. Bakalář pracoval samostatně, dosažené výsledky pravidelně konzultoval. Výsledkem práce je tréninková a testovací sada registrační značek a program pro zpracování obrazu a klasifikaci registračních značek, který byl napsán jako skript v programu MATLAB R2012b a podrobné zhodnocení dosažených výsledků. Bakalář prokázal své bakalářské schopnosti při samostatném studiu teorie počítačového vidění a realizaci umělé neuronové sítě. Zkušební komisi navrhuji hodnocení 91 bodů / výborně.
Pan Trkal vypracoval bakalářskou práci na téma Rozpoznání registračních značek. Zadáním bylo provést celý řetězec zpracování, počínaje vytvořením databáze snímků se značkami, lokalizací značky, segmentaci jednotlivých znaků, jejich popisu a konče jejich klasifikací. Toto zadání splnil student beze zbytku. V práci je uveden teoretický rozbor jednotlivých kroků potřebných k vyřešení problému. Student také provedl rešerši dané problematiky, a ke každému kroku uvedl, jak byl řešen v jednotlivých pracích. Zadání práce bylo středně obtížné s vetší časovou náročností. Student úspěšně navrhl a zrealizoval algoritmus pro rozpoznání registračních značek. V průběhu řešení práce vyzkoušel řadu postupů pro vyřešení jednotlivých problémů a implementoval celou řadu postupů pro zvýšení úspěšnosti rozpoznání (např. zvýšení kontrastu, korekce natočení značky, odstranění nežádoucích okrajů a další). Práce je psaná v logickém sledu s drobnými výhradami. Například kapitolu 2 by bylo výhodnější spoji s kapitolou 6 a kapitoly 3.2.1 a 3.3.1 jsou zbytečně zanořené. Také v práci chybí vývojový diagram, či přehledný popis celého řetězce zpracování a není jasné který učící algoritmus byl použit pro neuronovou síť. Nejzávažnější nedostatkem jsou nepříliš přehledné grafy v kapitole 8, které reprezentují výsledky testování a to především Obr. 8.2. Také studentův závěr, že úspěšnost rozpoznání záleží na počátečním nastavení vah, je diskutabilní. I přes uvedené nedostatky je práce kvalitní a doporučuji ji k obhajobě s počtem bodů 86 / B.
eVSKP id 73373