STREJČEK, J. Odstraňování šumu v obraze pomocí metod hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Student se ve své práci zabývá testováním metod hlubokého učení pro odstraňování šumu, kde se zaměřuje na metody založené na regresní verzi sítě U-Net. Testuje však i modifikaci nevyžadující pro trénování data bez šumu. Po formální stránce je práce na dobré úrovni, obsahuje však nekvalitní obrázky. Student využívá dostatek kvalitních zdrojů. Malou výtku bych směřoval k místy povrchnímu až laickému popisu teorie či diskuse. Teorie také obsahuje drobné nejasnosti a nepřesnosti. Student byl aktivní a práci pravidelně konzultoval, ale ocenil bych více vlastních nápadů. Musím také vytknout poměrně malý rozsah praktické časti. Celkové bych u diplomové práce očekával otestování více metod, založených i na jiných principech, neboť v práci jsou všechny metody založené na jednoduchém regresním U-Netu. V teorii například popisuje některé pokročilejší sítě, které ovšem v praktické části netestuje. Celkově práci hodnotím jako zdařilou. Zadání považuji za splněné a práci hodnotím stupněm B – 84 bodů.
Z formálního hlediska je práce na dobré úrovni, členění kapitol by možná zasloužilo pár úprav, kdy např. kapitola 2.7. dle mého názoru nepatří do neuronových sítí nebo např. zmíním chybějící úvod, který je uveden v kapitole 1. Dále mám drobné výtky ke stylizaci práce, např. zde nejsou funkční hypertextové odkazy na obrázky ani na citace, za uváděnými vzorci jsou někdy čárky, někdy chybí interpunkce úplně, i když jsou vzorce součástí vět, nebo využívání písmena x namísto znaku krát. Na druhou stranu je práce prosta překlepů (narazil jsem na jeden jediný) a celkově je text čtivý a má logickou návaznost. Výhradu mám k uváděným citacím, kdy student zejména v teorii uvedené v kap. 2 cituje odborné články, které jsou sice relevantní k tématu, ovšem neobsahují studentem zmiňované informace či vzorce (např. citace 20 popisuje matematický rozbor teorie informace v „bottlenecku“, rovnice 2.1 není uvedena ve stejné formě ani v jedné z uváděných citací). Celá teorie působí spíše jako přepis výkladu přednášek z vyučovaného předmětu Strojového učení. Zde lze určitě ocenit popis teorie „vlastními slovy“ dané problematiky, jak byla témata vyučována, což prokazuje, že student dané problematice rozumí, ovšem takový popis není vhodné uvádět v technické zprávě. Z odborného hlediska text práce trpí chybnými formulacemi, někdy nepřesnými nebo zavádějícími tvrzeními (detailněji uvedeno pod posudkem). Student má také tendence uvádět v textu nepodložená tvrzení a vyvozené závěry bez důkazu či citace. To se netýká ovšem diskuse výsledků, kde tyto závěry jsou naopak žádoucí a vycházejí z provedených experimentů. V praktické části student uvádí vlastní implementace tří trénovacích metod standardní architektury Unet, které detailně testoval a až příliš vyčerpávající formou diskutuje. Kvalita práce je snížena nepřehlednou a detailní prezentací dosažených výsledků, diskuzí závěrů, které místy působí nepřehledně a popis je spíše matoucí. Na druhou stranu, tento podrobný rozbor dosažených výsledků jen potvrzuje zmíněné studentovo pochopení daného tématu, kterým se do hloubky zabýval. V práci chybí jasný popis implementace algoritmů, aby bylo zřejmé, co vše je studentovou prací a co je převzato. Dále je škoda, že student neimplementoval i jiné uváděné metody nebo nevyužil pro optimalizaci hyperparametrů zavedené sofistikované metody. Předložená práce je celkově na dobré úrovni, zadání práce bylo splněno, a i přes některé výhrady zmíněné v posudku, považuji tuto práci za zdařilé inženýrské dílo. Hodnotím stupněm C – 78 bodů. Konkrétní příklady drobných připomínek oponenta: • Nepřesná tvrzení – „Nejjednodušším optimalizačním algoritmem pro učení neuronové sítě je metoda nejstrmějšího sestupu“ nebo „dva obrázky postižené stejným šumem“. • Nižší kvalita některých obrázků (např. 2.7, 2.9) • Odkaz na vzorec 3.9, který v práci není vůbec uveden • Chybné či nesmyslné pojmy: „Bezšumový obrázek“, „negativní křivka“, „čistý signál“, „černobílý obraz“ • Pojem „syntetická data“ nevystihuje správně charakter použité databáze • V práci se ani jednou nevyskytuje slovo realizace, což je z hlediska tématu práce nezvyklé; připomínka ve vztahu k nevhodné formulaci „postižené stejným šumem“ • Nejsem přesvědčen, zda uvedené grafy učebních křivek nesou stěžejní informace pro interpretaci výsledků • Matematický předpis 3.3 není rovnicí
eVSKP id 134418