PERNICKÝ, M. Webová aplikace pro efektivní anotaci atributů objektů ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.

Posudky

Posudek vedoucího

Hradiš, Michal

Student vytvářel, z mého pohledu, složitější aplikaci a dotáhl ji do verze, která je funkční, ale obsahuje některé prvky, které by bylo potřeba upravit, aby aplikace byla využitelná v praktických úlohách. Student práci konzultoval jen omezeně a v druhém semestru přestal úplně komunikovat.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Cílem práce bylo vytvořit aplikaci pro efektivní anotaci atributů objektů ve videu s využitím prvků aktivního učení, tedy s možností natrénovat klasifikátor a jeho odezvy využít při anotaci. Aplikace vyžaduje navhnout UI, vytvořit interaktivní frontend, backend a asynchronní workery pro zpracování videa, klasifikaci objektů a trénování. Svoji šíří může být zadání bráno jako lehce náročnější. Student aplikaci splňující danou funkcionalitu vytvořil, ale není úplně dotažená. Student nevyhodnotil kvantitativně rychlost a kvalitu anotace a neporovnal je s procesem anotace v některém z existujících nástrojů.
Práce s literaturou Student si vyhledal zdroje na úrovni potřebné pro základní řešení úlohy, ale nesnažil se do problému proniknout hlouběji. Nevyhledal si literaturu o aktivním učení a studie o uživatelských rozhraních pro efektivní anotaci v klasifikačních úlohách.
Aktivita během řešení, konzultace, komunikace Student práci konzultoval v prvním semestru, ale v druhém semestru přestal komunikovat. 
Aktivita při dokončování Nemám informace o tom, jak student práci dokončovat. Konečné řešení ani textovou zprávu nekonzultoval.
Publikační činnost, ocenění
Navrhovaná známka
D
Body
60

Posudek oponenta

Kohút, Jan

Student naprogramoval aplikaci pro anotaci tříd objektů ve videu s podporou automatické detekce a klasifikace objektů. Oceňuji kvalitní návrh, který rozděluje aplikaci na frontend, backend, databázi a pomocné procesy pro detekci, klasifikaci a přetrénování modelu. Student musel pochopit velké množství technologií a jejich vzájemné propojení. Realizace je funkční, nicméně splňuje všechny části návrhu minimalistickým způsobem. Jako nejslabší část práce vnímám testování, které je velmi stručné a pouze slovní.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání
Rozsah splnění požadavků zadání
Rozsah technické zprávy Práce se pohybuje na okraji minimálního rozsahu s tím, že obrázky 3.2 a 3.3 obsahují téměř stejnou informaci a totéž platí pro obrázek 4.3 a 4.4.
Prezentační úroveň technické zprávy 80 Text je smysluplně strukturován a jednotlivé úseky na sebe vhodně navazují. Práce obsahuje malé množství hůře pochopitelných nebo neinformativních úseků. Detailní popis API (str. 24) se hodí spíše do příloh. Některé dvojice obrázků obsahují redundantní informace. 
Formální úprava technické zprávy 75 Obrázky jsou často nevhodně umístěné blízko horního okraje strany, kde nechávají prostor na několik řádků textu. Jinka je práce po typografické stránce v pořádku. Student vzácně užívá nevhodných slangových výrazů z prostředí informačních technologií. 
Práce s literaturou 80 Práce obsahuje výhradně citace existujících řešení pro anotaci videí, datových sad a použitých nástrojů. Vzhledem k tématu práce je toto očekávané. 
Realizační výstup 70 Součástí programového řešení je jednoduchý web, API, databáze a pomocné výpočetní procesy pro detekci, klasifikaci a přetrénování modelu. Strojové učení a vyhodnocení je realizováno pomocí knihovny pro YOLOv8. Hlavní prací tak je web, API a napojení všech komponent prostřednictvím knihovny pro udržování zpráv. Řešení je funkční, nicméně minimalistické. Testování (kapitola 5) je velmi stručné a pouze slovní. Chybí jakékoliv statistiky a definice/vyhodnocení konkrétních testovacích úkolů.
Využitelnost výsledků Výsledky práce by mohly sloužit jako základ aplikace pro efektivní anotování tříd objektů ve videu. 
Navrhovaná známka
C
Body
70

Otázky

eVSKP id 156852