MOŽNÝ, K. Rozpoznávání znaků pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2010.
Práce studenta Karla Možného, která se jmenuje "Rozpoznávání znaků pomocí umělé inteligence", si kladla za cíl detekci, separaci a následnou identifikaci znaků tištěného textu pomocí umělé inteligence. Pro úspěšné splnění této práce bylo nutné, aby si student nastudoval velké množství materiálu, které do značné míry přesahovala rozsah bakalářského studia. Při studii těchto materiálů student projevil velké úsilí a iniciativu. A proto výsledná práce je na dobré odborné úrovni. Na konzultace přicházel vždy řádně připraven. Nutno však dodat, že častější konzultace by byly pro něj velmi prospěšné, zvláště pak v závěru práce. Text práce je dobře strukturovaný a přes občasné chyby čtiví. Autor se zaměřuje na podstatné části problematiky a metodiky zpracování obrazu. Ovšem jako nedostatek vidím to, že kapitoly 11. a 12., kde student popisuje své dosažené výsledky, jsou dosti krátké a málo přehledně zpracované dosažené výsledky. Co se týče splnění zadání práce, tak je možno práci považovat za splněnou a hodnotím ji známkou A
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění zadání | A | 45/50 | |
| Aktivita během řešení a zpracování práce (práce s literaturou, využívání konzultací, atd.) | A | 18/20 | |
| Formální zpracování práce | A | 18/20 | |
| Využití literatury | A | 10/10 |
Práce pana Karla Možného se zabývá tématem "Rozpoznávání znaků pomocí umělé inteligence". Splnění požadavků zadání vyžadovalo nastudování a správnou aplikaci značného množství znalostí z oblastí zpracování obrazu a využití neuronových sítí. Práci lze proto označit za velmi náročnou. Text práce o rozsahu 60 stran je přehledně rozdělen do dvanácti kapitol. Prvních 10 kapitol uvádí široké teoretické znalosti, které student využil při vypracování. Jde o techniky pro zpracování snímků s textem, teorii statistických momentů a úvod do problematiky neuronových sítí. Srozumitelnost textu prokazuje velmi dobré pochopení problematiky. V textu této teoretické části na mnohých místech postrádám odkazy na použitou literaturu. Kapitoly 11 a 12 popisují činnost a možnosti vlastní aplikace implementované v jazyce C++. Na základě momentových invariantů student definoval příznaky pro adaptaci zvolené neuronové sítě, kterou následně využívá pro klasifikaci segmentovaných alfanumerických znaků. Zpracování obrazu je postaveno na knihovně OpenCV. Práce s neuronovými sítěmi byla realizována prostřednictvím knihovny FANN. V těchto kapitolách bych uvítal podrobnější rozbor navržených algoritmů v kombinaci s hustší obrazovou ilustrací pro zvýšení názornosti výkladu. Dále by bylo dobré vyšetřit vliv jednotlivých příznaků na kvalitu klasifikace a zvážit začlenění příznaků jiných typů. Použití příznaků invariantních současně vůči posunutí, změně měřítka i natočení je, jak sám autor uvádí, pravděpodobnou příčinou poměrně nízké úspěšnosti klasifikace. S drobnými výhradami, lze zadání práce označit za splněné. I přes mírné stylistické nedostatky a dříve zmíněné výtky má práce pana Možného kvalitní odbornou úroveň. Prezentované znalosti převyšují obvyklou úroveň bakaláře. Práci doporučuji k obhajobě a hodnotím známkou B.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků zadání | B | 17/20 | |
| Odborná úroveň práce | B | 44/50 | |
| Interpretace výsledků a jejich diskuse | C | 15/20 | |
| Formální zpracování práce | C | 7/10 |
eVSKP id 30808