ZÁMEČNÍK, D. Rozpoznání dopravních značek využitím neuronové sítě [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2009.

Posudek vedoucího

Jirsík, Václav

Ve svém hodnocení diplomové práce vycházím z hodnocení konzultanta, který byl po celou dobu vypracování práce se studentem v přímém kontaktu a v odborné problematice mne zastupoval. Diplomant vypracoval práci na téma "Rozpoznání dopravních značek využitím neuronové sítě". Diplomant pracoval velmi aktivně a samostatně. Ve prospěch jeho práce hovoří množství shromážděné a prostudované literatury. Samotná písemná forma však není příliš vypovídající o dosažených výsledcích, chybí srovnání a popis dosažených výsledků. Výsledkem práce diplomanta je algoritmus, který pomoci rozhodovacích stromů a neuronových sítí klasifikuje dopravní značky do příslušných tříd. Diplomant prokázal své inženýrské schopnosti při samostatném studiu teorie, návrhu a výsledné požadované realizaci - rozpoznání dopravních značek. Zkušební komisi navrhuji hodnocení "výborně".

Posudek oponenta

Horák, Karel

Zadání diplomové práce pana Zámečníka na téma "Rozpoznání dopravních značek s využitím neuronové sítě" lze považovat za standardně náročné. Úkolem studenta bylo předzpracovat obrazy dopravních značek, nalézt vhodné popisné charakteristiky a sestavit klasifikátor značek na bázi neuronových sítí. Dokument práce je rozdělen celkem logicky do tří kapitol. První kapitola o 23 stranách nazvaná "Počítačové vidění" popisuje některé základy oboru jako např. metody předzpracování obrazu, Houghovu transformaci, matematickou morfologii a metody popisu obrazu. Druhá kapitola "Umělé neuronové sítě" čítající 19 stran popisuje problematiku umělé inteligence, neuronové sítě, model neuronu a metody učení sítí. Poněkud obsáhle a zbytečně je v těchto dvou kapitolách popsána část teorie bez konkrétní vazby a pozdějšího využití pro systém rozpoznání značek. Poslední, třetí kapitola "Řešení a výsledky" se zabývá návrhem samotného systému pro rozpoznávání obrazů dopravních značek a je tvořena 18 stranami. V první fází využívá student pro segmentaci oblastí značek absolutní prahování obrazu převedeného do HSV modelu. Z tohoto důvodu byla úloha relativně hodně zjednodušena výběrem 53 prvkové podmnožiny dopravních značek výlučně červené barvy tj. zejména značky zákazové, výstražné a značky upravující přednost. Dále student používá několik vhodně zvolených deskriptorů obrazu pro oddělení dopravních značek od ostatních parazitních objektů podobné barvy. Pro samotnou klasifikaci bylo použito několik jednoduchých neuronových sítí, jejichž účelem je odlišit jednotlivé třídy značek - kruhové značky, trojúhelníkové značky, rozlišení trojúhelníkových značek se základnou dole a nahoře. Přestože podle přiložených zdrojových kódů psaných v Matlabu je zřejmé, že problematika klasifikace pomocí neuronových sítí byla podrobena důkladnému studiu, není bohužel v samotném dokumentu práce příliš podrobně analyzována a popsána, což snižuje celkovou informační hodnotu dokumentu. Obdobně v práci chybí konkrétní výsledky provedených experimentů např. ve formě tabulek a slovního shrnutí a tak nelze přesně dohledat, jakou úspěšností a na jaké testovací množině rozpoznávací systém disponuje. V závěru se proto student poněkud kacířsky přiznává k subjektivnímu odhadu úspěšnosti kolem 90 % s odkazem na neexistenci testovací množiny, kterou ale měl podle mého názoru sestavit. I přes výše uvedené výtky na mě práce působila velmi dobrým dojmem, byla zjevně zpracována se zájmem o problematiku a formálně je na vysoké úrovni. Rozvržení rozsahů jednotlivých kapitol by také mohlo být zaměřeno více na podrobnější řešení samotného zadání na úkor prvních dvou výplňových a zbytečně rozsáhlých kapitol. Jiných výrazných nedostatků práce nemá, a proto ji doporučuji k obhajobě před komisí.

eVSKP id 22533