VALKO, M. Detekce poškození povrchu materiálu z fotografie [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Komunikace se studentem nebyla pravidelná, avšak student si sám dohledal potřebný dataset obsahující anotované poškození povrchu materiálu různých typů a zvolil několik modelů neuronových sítí, které následně natrénoval a porovnal. Celkově hodnotím práci souhrnným hodnocením dobře (C).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Student měl za úkol nastudovat problematiku detekce poškození povrchu materiálu z fotografie. Student musel navrhnout jakým způsobem poškození detekovat, naimplementovat je a porovnat dosažené výsledky. Jedná se o průměrně obtížné zadání. Kladně hodnotím, že si student navíc sám dohledal dataset, který mu umožnil i určit o jaký typ poškození se přesně jedná. | ||
| Práce s literaturou | Student si samostatně vyhledal veškeré potřebné zdroje a relevantní literaturu. | ||
| Aktivita během řešení, konzultace, komunikace | Student se mnou během práce komunikoval a v případě potřeby si sám domlouval konzultace. Konzultací bylo jen několik, ale byl na ně vždy řádně připraven. Student se mnou konzultoval převážně strukturu a obsah textu práce. | ||
| Aktivita při dokončování | Zadání bylo dokončeno včas, i když ne s velkým časovým předstihem. Finální podoba práce byla konzultována a do finální verze byla zapracována většina připomínek. | ||
| Publikační činnost, ocenění | - |
Kvůli chybějícím zdrojovým kódům a popisu implementace nelze výstupy práce hodnotit. Ani po upozornění na nedostatky práce nebyly žádné podklady doplněny. To na kolik jsou výsledky směrodatné, je opět složité hodnotit kvůli netransparentnosti řešení. V případě, že by student doplnil alespoň několik snímků mimo dataset s například obdobným stylem materiálu a dodal implementaci, mohlo by se jednat o slušné řešení.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | |||
| Rozsah splnění požadavků zadání | Text technické zprávy vůbec nezahrnuje popis implementace a odevzdané soubory implementaci vůbec neobsahují. Odevzdány jsou pouze trénované modely pro neuronové sítě, bez jakýchkoliv instrukcí jak je použít. To jak je daný model modifikován, lze jen odhadovat na základě jedno-písmenné přípony názvu modelu. Příloha popisující obsah odevzdaných souborů také neposkytuje bližší informace. Ani po výzvě během demonstrace řešení, nebyly doposud doplněny zdrojové soubory nebo demonstrována implementace. | ||
| Rozsah technické zprávy | Součástí práce má být i diskuze o možných rozšířeních. To sice práce obsahuje, nicméně se jedná jen o jeden velmi krátký odstavec v závěru práce, který vlastně ani nepřichází s konkretními možnostmi rozšíření. Jedná se jen o konstatování, že augmentace dat a větší datové sady by mohly přinést zlepšení a jiná architektura urychlení. | ||
| Prezentační úroveň technické zprávy | 80 | Část zprávy zahrnující návrh řešení obsahuje popis prostředí, které by mohly být použity, neobsahuje však popis nakonec použitého nástroje. Kapitoly jsou logicky členěny a dobře na sebe navazují. Až na kapitolu zabývající se hodnocení přesnosti, je text dobře srozumitelný a není problém se v něm orientovat. Současný stav vývoje ve zkoumané oblasti je velmi dobře popsán a odkazuje se na aktuální zdroje. V hodnocení autor popisuje víceméně jen tabulky bez nějakého hlubšího pohledu na data samotná. Mohl zde například demonstrovat konkrétní snímek, kde došlo ke zlepšení/zhoršení a vysvětlit z jakého důvodu tomu tak je. Jedině v případě metody tilingu dochází k nějaké analýze, proč došlo asi ke změně výsledků. | |
| Formální úprava technické zprávy | 85 | Jazykovou stránku nemohu soudit, nejsem rodilý mluvčí. Z pohledu typografických nedostatků se jedná o například chybnou reprezentaci procent a několik dalších méně závažných nedostatků. Některé obrázky mají velmi nízké rozlišení nebo jsou příliš zmenšeny a nejsou tedy příliš dobře čitelné. U obrázků, ve kterých docházelo k úpravě třeba s ohledem na jejich překlad, jsou modifikace do očí bijící. | |
| Práce s literaturou | 90 | Výčet literatury obsahuje velké množství kvalitních publikací, které se zaobírají tématem práce. Celkem je uvedeno 64 zdrojů, z čehož minimálně 30 jsou odborné publikace z posledních několika let. | |
| Realizační výstup | 10 | Na základě demonstrace realizačního výsledku práce usuzuji, že veškeré hodnocení probíhalo pouze na datech z datasetu a nelze tedy vůbec určit, jak by vypadaly reálné výsledky. Výsledkem práce je hlavně konstatování, že konvoluční neuronové sítě lze použít k detekci poškození materiálu a to poměrně spolehlivě. To je ovšem popsáno i v citované literatuře, i když se přímo nejedná o stejné materiály a typy poškození. Trénovaní modelů a samotné předzpracování snímků je řešeno pomocí webové platformy, jejímž výstupem je připravený model. Jestli bylo vyhodnocení prováděno dle popisu uvedeného práci, nelze kvůli chybějící implementaci určit. Samotná platforma (RoboFlow) použita pro trénování modelu, která byla v rámci demonstrace ukázána, není v textu práce vůbec popsána. Výsledky není možné snadno replikovat a tedy ani je ověřit. Student demonstroval, že script pro hodnocení úspěšnosti detekce existuje a ukázal výsledky detekce na snímku z trénovacího datasetu. | |
| Využitelnost výsledků | Použitelnost výsledků mimo trénovaný dataset nebyla demonstrována a nejspíše ani vyzkoušena. Na základě toho nemohu posoudit použitelnost výsledků, nicméně mám o tom pochybnosti. Vedoucí práce mě informoval, že autorovi poskytl snímky, na kterých měla být funkčnost demonstrována. Výsledky těchto experimentů nejsou ovšem v práci vůbec popsány a nejsou ani v odevzdaných souborech. |
eVSKP id 146476