DVOŘÁK, F. Segmentace mračen bodů za pomoci hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Študent pracoval na zložitej téme v ktorej sa musel zorientovať a osvojiť si nové znalosti. Implementácia zvolenej metódy naznačuje, že sa študentovi podarilo preniknúť do danej problematiky. Na druhej strane, slabá aktivita študenta sa odráža vo výslednej práci.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Zadanie práce bolo zamerané na oboznámenie sa s neurónovými sieťami určenými na spracovanie 3D dát. Hlavným cieľom bola vlastná implementácia vybranej metódy na segmentáciu mračna bodov a oboznámenie sa so spôsobom evaluácie a vykonávania experimentov. Študent si musel dôkladne naštudovať aktuálne metódy v danej oblasti, ako aj vybrať vhodný dataset na otestovanie funkčnosti riešenia. Z tohto hľadiska hodnotím zadanie ako náročné v kontexte bakalárskej práce. Výsledkom práce je implementácia metódy PointNeXt. Túto implementáciu študent otestoval v porovnaní s pôvodnou implementáciou na dátovej sade BuildingNet. Vykonaná sada experimentov sa zameriava na jednotlivé hyperparametre siete a augmentáciu dát. | ||
| Práce s literaturou | Študentovi bola poskytnutá základná literatúra k téme segmentácie mračna bodov, na ktorú mohol nadviazať. Sám si vyhľadal viaceré zdroje a novšie metódy, ktoré sa touto problematikou zaoberajú. Taktiež si našiel dátovú sadu, na ktorej testoval vybranú metódu. Ocenil by som však aktívnejší prístup k vyhľadávaniu informácií. | ||
| Aktivita během řešení, konzultace, komunikace | Práca bola konzultovaná relatívne dostatočne počas prvého semestra. Študent na práci pracoval a bol aktívny na spoločných stretnutiach. Chýbali však vizuálne ukážky postupu práce. V druhom semestri sa však niekoľko mesiacov neozval a nemal som žiadne informácie o postupe. Praktickú a experimentálnu časť takmer vôbec nekonzultoval. | ||
| Aktivita při dokončování | Nemožno povedať, že by práca bola hotová s časovou rezervou. Študent, po niekoľko mesiacoch, napísal tri dni pred odovzdaním so žiadosťou o konzultáciu. Nemôžem povedať, že by bolo finálne odovzdanie dostatočne odkomunikované. | ||
| Publikační činnost, ocenění | Nie som si vedomý publikačnej činnosti. |
Študent vo svojej práci ukázal, že dokáže uchopiť zložitú úlohu akou je implementácia a využitie modernej architektúry strojového učenia na automatickú segmentáciu budov reprezentovaných 3D mračnami bodov. Napriek tomu, že je kvantitatívna evaluácia vykonaná korektne a v akceptovateľnom rozsahu, celkovo prácu hodnotim ako uspokojivú (hranične s dobrou), primárne z dôvodu stavu technickej správy, práce s literatúrou a minimalistickým kvalitatívnym vyhodnotením.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Zadanie hodnotím ako obtiažnejšie. Využitie metód strojového učenia na analýzu 3D dát je nad rámec bežných znalostí získaných počas bakalárskeho štúdia, a úspešné splnenie teda vyžadovalo zo študentovej strany vynaložiť značné úsilie. | ||
| Rozsah splnění požadavků zadání | Zadanie považujem za splnené. Študent si vyskúšal vlastnú implementáciu jednej z bežných architektúr neurónovej siete na analýzu 3D mračien bodov, zvolil si vhodnú dátovú sadu a vykonal sériu experimentov, ktoré prezentoval spôsobom vhodným pre technickú správu bakalárskej práce. | ||
| Rozsah technické zprávy | Dĺžka technickej správy je blízka minimu, no stále v obvyklom rozsahu. | ||
| Prezentační úroveň technické zprávy | 67 | Kapitoly 2 a 3 pôsobia neucelene. Informácie o reprezentáciach 3D objetov a príslušný popis neurónových sietí je veľmi vágny a pôsobí zbytočne. Sekcie relevantné pre samotnú prácu sú často veľmi stručné, napríklad popis dátovej sady BuildingNet v sekcii 2.3. Zvyšné kapitoly sú spracované na lepšej úrovni, s občasným miešaním informácií medzi implementačnými detailami a návrhom experimentov. Napríklad, informácie o tom, že po dokončení trénovania sú uložené váhy modelu na disk nepatria do návrhu experimentov. | |
| Formální úprava technické zprávy | 66 | Študent sa v texte odkazuje na obrázky a tabuľky celkom dvakrát (celkový počet obrázkov: 12, celkový počet tabuliek: 7). Matematické vzorce sú taktiež bez referencii a sú len voľne vysadené, bez zasadenia do kontextu okolitého textu. V práci je taktiež niekoľko preklepov a chýbajúcich citácií, ktoré sú nahradené placeholderom [link]. | |
| Práce s literaturou | 58 | Literatúra v práci je primárne zostavená z vedeckých článkov relevantných k riešenému problému. Študent často so zdrojmi nepracuje správne. Takmer polovica zdrojov sú z repozitáru arxiv, napriek tomu, že existujú ekvivalnentné publikácie vo forme recenzovaných časopisových či konferenčných príspevkov. Niekoľko citácií je neúplných. | |
| Realizační výstup | 70 | Výsledkom práce je niekoľko skriptov v jazyku Python, ktoré slúžia na trénovanie a vyhodnotenie študentovej implementácie architektúry PointNeXt. Súčasťou odovzdaných súborov sú i natrénované váhy modelu na dátovej sade BuildingNet a taktiež namerané výsledky rôznych behov trénovania. Výsledky experimentov v technickej správe sú tvorené ablačnou štúdiou, ktorá testuje vplyv jednotlivých komponent modelu a trénovania na kvalitu segmentácie. Študent nebol príliš kreatívny pri prezentovaní výsledkov (napr. niektoré výsledky by boli fajn vyizualizované grafmi). Z pohľadu kvalitatívneho vyhodnotenia je veľmi veľká škoda, že sú čitateľovi prezentované len 3 vizuálne výstupy predikcií, a aj to len finálneho modelu. | |
| Využitelnost výsledků | Práca prispieva k rozšíreniu experimentálneho vyhodnotenia modelov strojového učenia na dátovej sade BuildingNet. |
eVSKP id 164367