ČERNOHOUS, M. Detekce QR kódů pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Práce je po formální stránce na dobré úrovni, výskyt typografických či gramatických chyb není významný. Jednotlivé části práce jsou doplněny literaturou, ze které autor čerpal. V průběhu semestru student jednotlivé kroky práce konzultoval se svým vedoucím, avšak při těchto konzultacích chyběla vlastní invence přijít s nějaký novým řešením. Zadání práce bylo splněno, nicméně jen v nejnutnějším rozsahu. To bylo zejména dáno pozdním přístupem k řešení práce, na které student intenzivněji pracoval cca poslední měsíc semestru.
Student se ve své práci věnuje problematice detekce a dekódování QR kódů v obraze pomocí metod hlubokého učení. V textu se občas vyskytují překlepy (např. preferovavtelnější str. 16, FN (nepravdivě pozitivní) str. 34 atd.), obr. 2.4 a 2.6 jsou špatně čitelné. Kapitola 1.1 je zpracována velmi povrchně a v teoretickém úvodu zcela chybí rešerše stávajících dostupných metod pro detekci a dekódování QR kódů. Dále chybí detailnější popis architektury používané sítě YOLO. Jelikož zadání práce je navrhnout a srovnat vlastní metodu se stávajícími, jsou tyto obsahové nedostatky v práci závažné. Praktická část se věnuje především tvorbě (sběru) datové množiny – obrázků obsahující QR kódy. Student provedl rozšíření databáze pomocí augmentace za účelem zvýšení počtu obrázků a pro trénování detektoru na QR kódech se sníženou kvalitou. Implementována je metoda detekce QR kódů založená na YOLOv7 a detekce pozičních bodů pomocí YOLOv4-tiny, dekódování je provedeno pomocí knihovny pyzbar. Není však zcela jasné, jaké úpravy student provedl při experimentech s modely YOLO, aby optimalizoval navržené detektory. Ve vyhodnocení chybí vedle přesnosti i srovnání rychlosti čtení QR kódů pro vybrané metody (obr. 2.12).
eVSKP id 151045