BENEŠ, J. Unární klasifikátor obrazových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Pan Jiří Beneš zpracoval zadané téma unární klasifikátor obrazových dat. Z hlediska vedení byl přístup diplomanta v podstatě samostatný. Konzultace využil za dobu řešení diplomové práce osobně pouze jednou, elektronicky dvakrát, což se ve výsledku odrazilo v nižší kvalitě dokumentu. Diplomant pořídil dle zadání testovací sadu snímků rezistorů pro praktickou část práce o objemu 1200 snímků rozdělených na dvě poloviny a v prostředí PyTorch provedl implementaci aplikace pro testování různých architektur vhodných pro unární klasifikaci založených však pouze na konvolučních neuronových sítích. Výraznou slabinou práce je, v kontrastu s množstvím rutině provedených experimentů, netechnická terminologie a vágní vyjadřování diplomanta. Lze se tak v práci např. dočíst obecné formulace, že klasifikátor dosahuje dobrých výsledků, není ale zřejmé, na základě čeho byl tento závěr učiněn ani jaké je jeho numerické nebo jiné kvantitativní vyjádření. Stylisticky a typograficky byla práce částečně opravena v rámci přepracování od I. termínu SZZ v červnu 2021. Přínosem práce zůstává samotný praktický výstup ve formě vlastního anotovaného datasetu a implementace testovací aplikace v Pythonu. Experimentální část, tj. implementace a provádění testů klasifikace obrazů přepracovávána nebyla. Práci i přes uvedené výtky doporučuji jako vedoucí k obhajobě před komisí.
Zadání diplomové práce bakaláře Jiřího Beneše mělo odpovídající náročnost, která je vhodná pro vysokoškolskou diplomovou práci. Student předkládá práci k obhajobě podruhé, po čase cca dvou měsíců, který mu byl dán k jejímu dopracování. Cílem práce bylo provést nejprve základní rešerši v oblasti unární klasifikace obrazových dat (jedná se o specifickou variantu učení klasifikátoru bez učitele). Úkolem bylo sestavit seznam architektur klasifikátorů vhodných pro tuto variantu učení, spolu se základním popisem fungování jednotlivých architektur a příklady jejich použití. Mezi další úkoly patřila definice vhodné praktické demonstrační úlohy využívající tuto variantu učení. Dále bylo nutné pořídit dostatečné množství zkušebních obrazových dat a realizovat zkušební implementaci klasifikátoru pro prvotní otestování. Dalším krokem byla závěrečná implementace klasifikátoru v jazyce Python do formy jednoúčelové aplikace, pomocí které bude možné modifikovat důležité parametry učení, v rámci demonstrace funkčnosti klasifikátoru. Posledními body zadání bylo ověření funkce klasifikátoru na zkušební množině snímků a zhodnocení dosažených výsledků. Těchto cílů práce bylo studentem dosaženo a výsledky jsou prezentovány na dostatečné úrovní v textu jeho práce. Přiložené DVD obsahuje dále zdrojové texty v jazyce Python a zkušební sadu snímků. Na DVD jsou videosekvence demonstrující funkčnost vytvořené aplikace včetně audio komentářů studenta, které mě přesvědčily, že je jím popisovaná aplikace funkční. DVD také obsahuje do jednotlivých adresářů uložené výstupní výsledky klasifikace, pro jednotlivé varianty klasifikátorů. Korektnost a opakovatelnost výsledků dosažených studentem, tak bude možné v budoucnu ověřit a v tématu práce dále pokračovat. Student tak prokázal důležité návyky nutné pro jeho budoucí profesní kariéru. Student nastudoval znalosti a definoval demonstrační úlohu. Jako demonstrační úlohu zvolil optickou klasifikaci validity elektrické součástky (rezistoru) na zkušebních snímcích a to na základě optického rozpoznání barevného označení hodnoty odporu a rozpoznání přítomnosti přívodů součástky. Diplomant realizoval aplikaci v jazyce Python dle požadavků zadání. Student doplnil nový text práce o dalších 7 stran věnovaných vyhodnocení výsledků experimentů a nastavení tzv. hyper parametrů. Text nové verze práce tedy obsahuje 87 stran. Celá práce již působí ucelenějším dojmem. Všechny matematické vztahy jsou vysázeny v editoru rovnic a jednotlivé veličiny uvedené ve vztazích mají oporu v textu práce. Student zlepšil i práci s literaturou, kdy seznam literatury byl z původních 44 odkazů rozšířen na 65. Počet stran věnovaných prezentaci nastudovaných znalosti a počet stran věnovaných prezentaci studentem dosažených výsledků je přesto zvolen v nevhodném poměru: 50 stran nastudovaných znalosti ku 22 stranám textu s vlastními výsledky studenta. Tento poměr je sice na akceptovatelné úrovni s ohledem na komplexnost tématiky zadání, přesto by asi bylo možné úvodní kapitoly v teoretickém úvodu věnované popisu CNN a jejich vlastností zkrátit. Text v těchto teoretických kapitolách by měl prezentovat pouze znalosti, které student bude následně přímo využívat při řešení dalších úkolů práce. Celková formální úprava práce a její jazyková kvalita, je na akceptovatelné úrovni. Text přesto obsahuje větší množství gramatických chyb a překlepů, hlavně v části věnované popisu vlastní práce studenta, z čehož usuzuji, že student věnoval při dopracování větší prostor první (tj. teoretické části) textu práce. Přesto si myslím, že by měla být úroveň textu v obou částech na shodné kvalitativní úrovni a student měl text zkontrolovat pečlivěji. V textu práce na straně 20 by mohl být uvedený obrázek 6 ve vyšší kvalitě, případně jej student mohl nakreslit zcela znovu a použít české názvy pojmů, které využívá i v textu práce. Na straně 37 postrádám diskusi nad konstantami uvedenými ve vztazích (2.20) a (2.21). Na straně 43 by bylo vhodné doplnit alespoň základní definici pojmu tenzor. Přes uvedené nedostatky mohu konstatovat, že předložená práce jednoznačně svědčí o inženýrských schopnostech diplomata, ovšem spíše na průměrné úrovni a práci tak doporučuji k obhajobě. Velmi rád bych také ocenil, že student využil období určené k dopracování práce efektivně. Jako oponent původního i nově předkládaného textu práce, tak mohu zodpovědně konstatovat, že technická i formální úroveň práce již odpovídá požadavkům kladeným na diplomovou práci. Studentovi navrhuji hodnocení nově předložené diplomové práce stupněm: Uspokojivě - D. (65).
eVSKP id 136692