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. Finální podoba práce byla konzultována a do finální verze byly zapracovány i mé připomínky. | ||
| Publikační činnost, ocenění | - |
Student dotrénoval několik předtrénovaných detekčních modelů na datové sadě pro detekce tramvají. Přehled obecný přehled detekčních modelů byl doplněn a natrénované modely byly vyhodnoceny s použitím standardních detekčních metrik.
| 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. Nedostatky původní verze práce byly odstraněny. Chybějící části doplněny nebo rozšířeny. | ||
| Rozsah technické zprávy | Rozsahem se práce pohybuje spíše na dolní hranici obvyklého rozmezí. Závěr práce je na straně 34. | ||
| Prezentační úroveň technické zprávy | 70 | Práce má logickou strukturu. Jednotlivé kapitoly na sebe dobře navazují a jejich rozsah je adekvátní. 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. Tyto nedostatky nebyly odstraněny ani v aktualizované verzi práce. Dále chybí interpunkční znaménka v rovnicích. | |
| Práce s literaturou | 70 | Student si dohledal potřebné zdroje a literaturu. Citace však v textu nejsou umístěny správně. | |
| 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. Odevzdaný realizační výstup zůstal nezměněn. | |
| Využitelnost výsledků | Vizuální kontrola aplikace funguje a natrénované modely detekují tramvaje. Dle výsledků natrénovaných detekčních modelů je vidět, že jsou modely použitelné i v praxi. Vlastní implementace autora (model TramNet) však ve výsledku neposkytuje detekce a tento model použitelný není. |
eVSKP id 154301