DOSKOČIL, O. Registrace snímků sítnice pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Práce se zabývá registrací obrazů pomocí hlubokého učení pro aplikaci na snímky očního pozadí. Student teoreticky popisuje registraci obrazů a metody hlubokého učení pro registraci obrazů. Následně vhodnou metodu pro registraci s použitím hlubokého učení testuje, vyhodnocuje a porovnává s tradičními metodami registrace. Student pracoval velmi samostatně. Práce byla v ucházející podobě již v loňském roce, avšak student ji nestíhal zcela dokončit a raději si její odevzdání odložil. Po formální stránce je práce v pořádku, je vhodně formátovaná a psaná v angličtině. Text se dobře čte a obsahuje pouze relevantní informace. Teoretická část se zaměřuje přesně na problematiku potřebnou v praktické části, i tak by ale drobné rozšíření nebylo na škodu. Student v praktické části úspěšně implementuje zvolenou metodu a porovnává ji s tradičními přístupy. Implementačně je odvedená práce excelentní s velkým množstvím odvedené práce. Vytvořený text je srozumitelný (často na úrovni vědeckých článků), avšak někde by popis mohl být detailnější (chybí například popis metod se kterými se autor srovnává). I přes tyto drobné nedostatky práci považuji za velmi zdařilou a hodnotím stupněm A – 95 bodů.
Student Doskočil se ve své diplomové práci zabýval registrací snímků sítnice pomocí hlubokého učení. Práce je napsána v angličtině, což je pozitivní aspekt. V teoretické části se student zaměřil na popis základních geometrických transformací a optimalizačního přístupu registrace. Nicméně zde bych uvítal podrobnější popis i dalších metod, které v práci student zmiňuje, také implementoval a porovnával. Teoretický rozbor v kapitole 2 je příliš povrchní a jen přehledový bez hlubšího odborného obsahu, kde například zcela chybí část „Feature Descriptors". Obecně je tedy rozsah teoretické části menší, než je obvyklé a některé části by si zasloužily odbornější popis. Student využíval a cituje relevantní literaturu. Ve své praktické části student navrhl a implementoval registrační neuronovou síť se třemi úpravami, které vedly ke zlepšení výsledků. Z textu práce je však nejasné, které části kódu jsou převzaty a které jsou studentovým vlastním dílem, protože nejsou jasně specifikovány použité knihovny či zdroje. Chybí však rešerše aktuálních metod řešení této problematiky a příklady publikovaných článků. Není tak zřejmé, zda metodika řešení pochází ryze od studenta nebo byla převzata z literatury. Největší částí práce je testování a porovnávání výsledků, které jsou řádně diskutovány. Student také úspěšně testoval navrženou síť na časových snímcích. Dále lze vytknout menší nedostatky, jako chybějící popisky osy grafů, jednotky u čísel v tabulce nebo překlepy v rozšířeném abstraktu. Bylo by vhodné také uvést více implementačních detailů a informací o zdrojových kódech včetně případných citací či vlastní implementaci algoritmů, například v práci použité korelační vrstvy, algoritmu SIFT, ORB nebo fázové korelace. Citační styl je jednotný, ale působí nestandardně, a první citace obsahuje chybu v absenci autorů. Celkový styl práce je neobvyklý, ale to není překážkou. Přestože práce je celkově kratšího rozsahu, praktická část tvoří většinový podíl práce, byť není všude podrobně popsána. Celkově hodnotím tuto práci jako zajímavou a zdařilou, zejména v praktické části, ale s ohledem na uvedené drobné připomínky hodnotím stupněm B-88 bodů.
eVSKP id 151663