LETANEC, R. Stereo rekonstrukce mračna bodů pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Pan Letanec diplomovou práci pojal prakticky a do větších experimentů s neuronovými sítěmi se nepouštěl. Na druhou stranu připravil datové sady, zvolil vhodné modely, na úlohu je prakticky nasadil a porovnal pomocí standardních metrik. Za slabší považuji zpracování technické zprávy a aktivitu během řešení. Mé souhrnné hodnocení je tedy podprůměrné.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Totožné zadání diplomové práce řešil student již v loňském akademickém roce, kdy se mu nepodařilo včas dokončit a odevzdat technickou zprávu. Téma poskytuje velký prostor pro seberealizaci a množství experimentů s architekturami neuronových sítí. Pan Letanec je uchopil přímočaře. Využil veřejně přístupné datové sady, na kterých ověřil funkčnost a porovnal výsledky dvou modelů ES-Net a CREStereo. Zadání bylo splněno a styl řešení jej učinil spíše jednodušším. | ||
| Práce s literaturou | Potřebnou literaturu student sám vyhledal a prostudoval v míře dostatečné pro použití existujících modelů, jejich natrénování a otestování. | ||
| Aktivita během řešení, konzultace, komunikace | Značná část práce byla hotová z předchozího roku. S tímto vědomím byla jeho aktivita během prvního semestru mizivá. Konzultovat začal až ve druhé polovině letního semestru, kdy intenzita práce narůstala s blížícím se termínem odevzdání. | ||
| Aktivita při dokončování | Domnívám se, že finální technická zpráva vznikala na poslední chvíli, což je znát na její kvalitě. Obsah a strukturu jsme konzultovali, ale ke konečnému stavu jsem se vyjádřit nestihl. | ||
| Publikační činnost, ocenění | Není známa. |
Řešitel se v diplomové práci pustil do velice složité a zajímavé problematiky. Vytvořené řešení je však povrchní a možná více, než by bylo vhodné, staví na dostupných příkladech a datech – takže je vlastně obtížné najít nějakou vlastní myšlenku, vlastní návrh, vlastní kód řešitele. V tom nepomáhají ani zdrojové kódy, kde chybí jakékoli zmínky o autorství – jak autorství řešitele, tak označení převzatého kódu. V tomto případě možná ani nejde o technické pochybení (které se také nemá stávat), ale možná skutečně autorského kódu a myšlenek je v řešení pomálu. Technická zpráva má průměrnou formální a jazykovou úpravu. Formálně cituje velké množství kvalitních zdrojů, ale text nepůsobí dojmem, že řešitel tyto zdroje skutečně pochopil a vstřebal a že je začlenil mezi svoje znalosti a kompetence. Zpráva (a celá práce) vlastně nepřináší žádné vlastní poznatky: vylepšení architektury sítě, návrh nějakého rámce pro provádění experimentů a srovnávání jednotlivých pokusů, nějaké vhledy proč a kdy něco ne/funguje, atp.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Zadání samo patří mezi náročnější – předpokládá studium hodně komplikovaných metod a zvládnutí procesu učení, zpracování dat, augmentací, vyhodnocování a mnoho dalších pracných úloh. Řešitel ale k zadání přistoupil základním, téměř degenerovaným, způsobem: nenavrhoval vlastní neuronovou síť, nemodifikoval existující. Vyzkoušel dvě neuronové sítě, které je snadné opatřit v podobně zdrojového kódu (a pravděpodobně se v diplomové práci jedná přesně o kód z githubu), naučil je na dostupné datové sadě a vyhodnotil na další. Není to tak, že by k provedení těchto operací člověk nepotřeboval dost věcí pochopit a že by se stihly za kratičký čas, ale přece naplnění zadání v tomto rozsahu nepředstavuje žádný velký a náročný počin. | ||
| Rozsah splnění požadavků zadání | Řešitel patrně nevytvářel vlastní implementaci neuronových sítí (bod 5 zadání), neexperimentoval s modifikacemi, nevytvářel vlastní návrh (bod 4 zadání). Samozřejmě nemá smysl vymýšlet kolo a z nuly navrhovat vlastní neuronovou síť. Pro proniknutí do problematiky by ale bylo daleko vhodnější, kdyby řešitel síť postupně konstruoval z jejích dílčích stavebních bloků a pozoroval, které prvky řešení jak a za jakých okolností přispívají k úspěšnosti (ablační studie). Nic z toho se však neděje a řešitel prostě pustil dvě existující sítě. Pochybné je i naplnění bodu 6 – tím, že řešitel patrně neexperimentoval se stavbou sítě z jejích prvků a neví, co pomáhá a co ubližuje, neměl vůbec schopnosti reálně navrhovat možnosti vylepšování sítí nebo věrohodně identifikovat jejich slabiny a přednosti. | ||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 65 | Technická zpráva je spíše povrchní a naznačuje, že řešitel do problematiky skutečně hluboce nepronikl. U popisu klíčového vzorce (2.2) jsou patrně přehozené jeho zásadní části – řešitel dost pravděpodobně text sepisoval s použitím jiných textů a sám do problematiky neproniknul dostatečně na to, aby skutečně rozuměl, o co jde. Vzorce (5.8)–(5.11) mají podivnou notaci, ostatní matematika také svědčí spíše o nízkém porozumění. Text obsahuje málo vlastních poznatků, zjištění, nepopisuje vlastní experimenty, vlastní návrhy. Výpisem z literatury dává základní přehled používaných metod a datasetů. Vlastní experimenty řešitel moc nedělal a nereportuje je. Mohlo by být zajímavé zaznamenat průběhy učení (ztrátová funkce a úspěšnost/chyba v epochách), ale to v textu chybí. Celkově je v technické zprávě minimum vlastního přínosu, vlastního pochopení, vlastního návrhu. | |
| Formální úprava technické zprávy | 70 | Formální úprava je průměrná. Poměrně dost chyb v sazbě textu a matematiky. Obrázky komprimované silnou ztrátovou kompresí i tehdy, kdy je to zbytečné a vyloženě nežádoucí. Obrázky povětšinou přejaté, v různých kvalitách, s různým vzhledem, atd. | |
| Práce s literaturou | 70 | Práce cituje poměrně velký počet kvalitních zdrojů. Jejich pochopení a použití v textu ale není přesvědčivé a kvalitní/správné. Jako pravděpodobné se jeví, že řešitel ve skutečnosti problematiku neovládl a nepochopil. | |
| Realizační výstup | 50 | Řešení sestává z několika stručných skriptů v Pythonu. Skripty pro trénování a vyhodnocení obsahují jen to nejnezbytnější pro provedení jediného experimentu – nenesou známky infrastruktury pro provádění různorodých experimentů a pro zjištění, co a proč funguje. Kódy neuronových sítí jsou patrně převzaté z githubu. Velký problém je, že zdrojový kód vůbec neodlišuje vlastní části od částí cizích (a není k tomu komentář ani v technické zprávě). Tím, že neuronové sítě jsou převzaté (patrně) a to beze změn a trénovací skripty pravděpodobně také vznikly recyklováním kódů z příkladů a z demonstračních aplikací k neuronovým sítím, je opravdu obtížné identifikovat nějakou část zdrojového kódu, která by nepochybně a jasně pocházela od řešitele a demonstrovala jeho schopnosti návrhu a vývoje. Zdrojový kód vůbec není komentovaný, neumožňuje variabilitu pouštění (provádění různých experimentů dávkově), a vůbec vykazuje znaky slabého softwarového inženýrství. | |
| Využitelnost výsledků | Ne |
eVSKP id 156420