JAŠEK, F. Predikce a analýza dopravní situace pomocí metod strojoveho učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Bakalářská práce se věnuje predikci a analýze dopravní situace pomocí strojového učení. Během hodnocení této práce došlo k velkému vylepšení oproti předchozí odevzdané verzi jak v oblasti formální stránky (nějaké překlepy stále jsou), tak i po stránce faktické. Z práce je vidět, že student se pokusil zlepšit přesnost predikce pomocí augmentace na učících se datech a u samotné predikce pohybu dokázal nastínit řešení problematiky. Dále velmi kladně hodnotím ukázku konvolučního filtru, kde student dokázal identifikovat správně situaci s učením. Obecně síť YOLO je považována za jednu z těch nejlepších sítích, nicméně dle mého názoru není úplně vhodná na zpracování obrazových dat v malém rozlišení v základním nastavení. Toto nakonec student i sám zhodnotil a vysvětlil v závěru práce, kde nastínil, že by mohlo dojít k zpřesnění predikce pomocí menších kotevních boxu (anchors). Otázka pro studenta: Proč jste zvolil vstupní rozlišení obrazových dat 64x64 pixelů? Dokážete stručně zhodnotit výhody a nevýhody takto malého rozlišení pro učící se algoritmy?
V předložené práci student nejprve popisuje jednotlivé přístupy strojového učení a následně aplikuje metodu neuronové sítě na detekci objektů pro analýzu dopravní situace. Zadání práce lze dle mého názoru považovat za převážně splněné. Predikce dopravní situace sice nebyla implementována a bylo pouze naznačeno její možné řešení, nicméně je otázkou, zda tento v zadání definovaný cíl nebyl pro úroveň bakalářského stupně studia již od počátku příliš ambiciózní. Práce by zcela jistě mohla být psána přehledněji a s větší precizností. Není mi například jasné proč model neuronu na obr. 4.1 obsahuje i schematickou značku (trojúhelník na konci schématu). Některé z předložených výsledků také v aktuální verzi práce nedosahují přesnosti potřebné pro reálné nasazení v zamýšlené aplikaci. Kapitola popisující vlastní experimenty studenta má často poměrně zmatenou strukturu. Není mi například jasné pro jakou databázi byly provedeny experimenty popsané v kapitole 8.5 apod. Kladně naopak hodnotím, že se student pokusil interpretovat výstupy konvolučních vrstev. Pozor na pravidla pravopisu, např. „standartní“ na str. 30, spíše bych doporučil používat slovo „pracuje“ namísto „funguje“, velké písmena po tečkách „Např. V případě“ na str. 34, sousloví „performance sítě“ , „Architektura celé sítě je rozebrána v Tabulka 1“. Jmenuje se famework „Pytorch“ nebo „pytorch“?
eVSKP id 137321