UCHYTIL, T. Aplikace pro rozpoznávání loga automobilové značky [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Student ve své práci vytvořil neuronovou síť, kterou natrénoval na rozpoznání loga automobilové značky na základě fotografie vozidla. Natrénovaná síť poté byla využita v mobilní aplikaci pro systém Android, která umožňuje pořizovat loga a klasifikovat je. Text práce není úplně logicky strukturován, student míchá popis své implementace do teoretické části. Navíc implementaci místy popisuje jako vyprávění, někdy se uchyluje k netechnickým vyjádřením (např. popis Obr. 2.3 „Layered view of the neural network I’m using.“). Některé popisky obrázků nejsou jednoznačné (např. Fig. 2.4: „Comparison of the old and new AI models“). Technický text by měl spíše jasně popsat co, jak a proč je implementováno. Implementovaná neuronová síť není dostatečně popsána. Chybí popis jednotlivých vrstev, v práci je jen její orientační grafické znázornění. Výsledky práce nejsou dostatečně diskutovány – je zde v podstatě jen obrázek matice záměn pro dvě verze implementované sítě bez další podrobné analýzy. Kód Android aplikace je naopak napsán přehledně a v práci je poměrně názorně vysvětleno, jak aplikace funguje. Student pravidelně konzultoval postup své práce během obou semestrů. Během řešení prokázal schopnost samostatně pracovat s odbornou literaturou. Přes veškeré výtky byly cíle práce splněny, proto předloženou práci doporučuji k obhajobě.
Student ve své bakalářské práci navrhl a implementoval mobilní aplikaci pro rozpoznávání log automobilových značek. Ocenil bych, že práce je psána v angličtině, a to i přes přítomnost některých hovorových výrazů. V první části student popisuje teoretické aspekty spojené s neuronovými sítěmi, včetně učících dat. V této části bych ocenil hlubší popis jednotlivých konfiguračních parametrů, například u konvolučních sítí, které student používá, stejně jako problematiku samotného učení včetně jednotlivých situací, které mohou při trénování nastat. Další část se věnuje trénování neuronové sítě na aplikovaném modelu. Bohužel, tato část vynechává informace o trénovacích datech, včetně detailů o augmentaci. Také zde postrádám popis jednotlivých parametrů sítě, popis použité nákladové a ztrátové funkce včetně jejich odůvodnění. Chybí zde také podrobnosti o průběhu trénování, například kolik iterací/epoch bylo nutné pro dosažení výsledku. Dále bych ocenil srovnání jednotlivých sítí. V poslední části se student věnuje popisu návrhu a implementaci mobilní aplikace. Tato část je pravděpodobně nejlépe zpracovanou částí celé práce. Přes některé nedostatky student splnil cíle práce a doporučuji práci k obhajobě.
eVSKP id 151713