GOLDA, V. Detekce tramvaje ve videu pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Student své zadání bakalářské práce splnil. Aktivitu i kvalitu výsledku celkově hodnotím jako standardní, navrhuji proto hodnocení stupněm C.
Kritérium | Známka | Body | Slovní hodnocení |
---|---|---|---|
Informace k zadání | Student měl za úkol nastudovat problematiku detekce objektů (tramvají) ve videozáznamu pomocí neuronových sítí, vybrat vhodné modely a otestovat je na dodaném datasetu. Student se navíc rozhodl navrhnout i vlastní model sítě a doplnit dataset o vlastní snímky. Zadání považuji za splněné. | ||
Práce s literaturou | Student si samostatně vyhledal veškeré potřebné zdroje a relevantní literaturu. | ||
Aktivita během řešení, konzultace, komunikace | Student se mnou během práce komunikoval a v případě potřeby si sám domlouval konzultace. Konzultací bylo jen několik, z počátku na nich nepředstavil znatelný pokrok v řešení. To se postupem času zlepšilo. Student se mnou konzultoval převážně strukturu a obsah textu práce. | ||
Aktivita při dokončování | Zadání bylo dokončeno včas, i když ne s velkým časovým předstihem. Finální podoba práce byla konzultována a do finální verze byla zapracována většina připomínek. | ||
Publikační činnost, ocenění | - |
Student dotrénoval několik předtrénovaných detekčních modelů na datové sadě pro detekce tramvají. Výhrady mám zejména k detailnějšímu přehledu detekčních modelů obecně, případně vyhledání článku z domény detekce tramvají / vlaků. Následně v práci zcela chybí vyhodnocení dle zaběhlých standardů. Z těchto důvodů hodnotím práci celkově stupněm D .
Kritérium | Známka | Body | Slovní hodnocení |
---|---|---|---|
Náročnost zadání | Student měl za úkol řešit problematiku detekce objektů v obraze / videu. V tomto konkrétním případě se jednalo o detekci tramvají. Během práce natrénoval několik modelů detekčních neuronových sítí a snažil se vytvořit i model vlastní. Zadání překračuje rozsah bakalářského studia, proto hodnotím zadání jako obtížnější. | ||
Rozsah splnění požadavků zadání | Po formální stránce jsou všechny body zadání splněny. Fakticky lze polemizovat o splnění prvního a pátého bodu zadání. V teoretické části (Kapitola 2) jsou pouze obecně popsány koncepty neuronových sítí. Přístupy k obecné detekci objektů, ani k detekci tramvají / vlaků konkrétně, zde rozebrány nejsou. (1. bod zadání) Dále zvolené vyhodnocení experimentů vůbec neodpovídá zaběhlým standardům v oblasti detekce objektů (experimenty - 5. bod zadání) | ||
Rozsah technické zprávy | Rozsahem se práce pohybuje na dolní hranici obvyklého rozmezí. Závěr práce je na straně 32 | ||
Prezentační úroveň technické zprávy | 70 | Práce má logickou strukturu. Jednotlivé kapitoly na sebe dobře navazují a jejich rozsah je adekvátní, pomineme-li nedostatky zmíněné v části "ROZSAH SPLNĚNÍ POŽADAVKŮ ZADÁNÍ" výše. Prezentační úroveň práce je dobrá, většina textu se čte dobře. Ve výjimečných případech je konstrukce vět složitější a trochu hůře pochopitelná. | |
Formální úprava technické zprávy | 60 | V práci je malé množství překlepů a gramatických chyb. Ojediněle v textu chybí některá slova a čtenář si je musí domýšlet. Práce obsahuje typografické chyby. Zejména se zde vyskytuje velký počet jednopísmenných předložek / spojek na koncích řádků. Dále chybí interpunkční znaménka v rovnicích. Matematické rovnice obsahují operátor konvoluce místo očekávaného násobení. | |
Práce s literaturou | 60 | Student si dohledal potřebné zdroje a literaturu. Citace však v textu nejsou umístěny správně / vhodně. Autor pro všechny parafrázované části textu umisťuje citace až za ukončení věty (za tečku), což v souvislém textu najednou uvozuje následující větu. | |
Realizační výstup | 60 | Výstupem práce je sada skriptů s definicí modelů a skriptem pro trénování detekčních modelů / zpracování testovacích videosouborů. Detekční modely využité v práci jsou předtrénované na COCO detekčním datasetu a následně dotrénované na vlastní datové sadě tramvají. Ze skriptů není patrné, kterou část autor naimplementoval sám a jaká část je převzaná. Vzhledem k využívání předtrénovaných modelů lze však převzetí části kódu očekávat. | |
Využitelnost výsledků | Vizuální kontrola aplikace funguje a natrénované modely detekují tramvaje. Bez řádného vyhodnocení však využitelnost výsledků nelze určit. |
eVSKP id 148042