ROZHOŇOVÁ, A. Detekce a rozpoznávaní tváře s využitím platformy Raspberry Pi [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Študentka Andrea Rozhoňová sa zaoberala vo svojej bakalárskej práci problematikou detekcie a rozpoznávania tvárí s využitím platformy RaspberryPi a modulu PiCamera. Samotná práca je napísaná na celkovo 56 stranách a rozdelená do dvoch kapitol, teoretická a praktická časť. Študentka pracovala aktívne a samostatne. Samotná práca je implementovaná v programovacom jazyku Python, s využitím knižníc OpenCV pre spracovanie a detekciu tváre a knižnicu pre hlboké učenie Tensorflow a jeho nadstavbu Keras. Súhlasím so zvoleným kompromisom pre učenie siete, kedy z dôvodu časovo náročného trénovania siete, bolo učenie realizované na počítači a výsledná architektúra siete uložená do Raspberry Pi. Zároveň očeňujem využitie konvolučných neurónových sietí, ktoré patria medzi najmodernejšie prostriedky klasifikácie obrazov. Práca dosahuje relatívne vysokú úspešnosť detekcie a testovanie úspešnosti na rôznych situáciách. Jedinú výtku mám ku konvolučnej neurónovej sieti, kedy by bolo dobré spraviť blokové schéma použitej architektúry, z textu je to obtiažnejšie poznateľné. Po formálnej stránke je práca na výbornej úrovni. Zadanie bakalárskej práce bolo splnené a navrhujem hodnotenie A/96.
Předložená práce Bc. Andrey Rozhoňové se zabývá detekcí a rozpoznáním obličeje na platformě Raspberry Pi. Práce má logickou strukturu a je členěna do tří základních kapitol na 43 stranách. V rámci teoretické části je popsána problematika detekce obličeje v obraze a jeho následné rozpoznání. Tato část práce je na velmi vysoké úrovni a je podložena dostatečným množstvím kvalitní literatury. Především studium a pochopení metod pro rozpoznání obličeje je vysoko nad rámec bakalářského stupně studia. V praktické části se studentka zabývala implementací a použitím metod detekce a rozpoznání obličeje na platformě Raspberry Pi spolu s připojenou kamerou (PiCamera). Využity byly již implementované postupy v jazyce Python s využitím několika knihoven. V rámci testování byly srovnány dva algoritmy pro detekci obličeje na uživatelských snímcích a výsledky byly řádně diskutovány. Pro rozpoznání tváře byla použita databáze 500 snímků jako trénovací množina pro rozpoznání celkem 12 osob. Pro samotné rozpoznání byla použita konvoluční neuronová síť. V této části práce bych očekával popis průběhu učení – alespoň v rámci výsledné konfidenční matice na trénovacích datech. Testování použité sítě proběhlo na 20 tvářích v různých situacích. Bohužel z textu práce není patrné, které osoby (z 12 v trénovací množině) byly pro testování zastoupeny a zda se nelišila úspěšnost rozpoznání tváře i mezi jednotlivými subjekty. Stanovené závěry a diskuze jsou v pořádku. Po formální stránce je práce na velmi dobré úrovni. Vytýkám pouze psaní desetinných teček místo čárek (rovnice 1.2, 1.3) a příliš malou velikost závorek při sazbě (rovnice 1.12-14). Předloženou práci hodnotím jako kvalitní, doporučuji ji k obhajobě a hodnotím ji známkou výborně (A -95 bodů).
eVSKP id 102334