POLÁŠKOVÁ, L. Použití metod hlubokého učení v úlohách zpracování obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.
Studentka prakticky splnila zadání v celém rozsahu. Prokázala schopnost práce s literaturou, přiměřeně využívala konzultací a nabídnutého výpočetního serveru, na kterém implementovala a ladila navržený algoritmus pro segmentaci trojrozměrných MR dat. V abstraktu studentka vyjadřuje tzv. úspěšnost modelu (41 %, resp. 79 %), což není příliš relevantní parametr zhodnocení segmentace obrazů. Očekával bych uvedení alespoň jednoho z parametrů popsaných v kapitole 6. Vzhledem k nesporně vysoké časové náročnosti ladění konvoluční neuronové sítě lze ale konstatovat, že studentka ve své diplomové práci prezentuje výsledky získané velkým úsilím. Po formální stránce bych práci vytknul řadu překlepů a chybně uváděných symbolů, chybějící mezery mezi hodnotou a jednotkou, případně použití desetinných teček místo čárek. U obr. 10.6 kupř. chybí titulek. Práce evidentně trpí dopisování tak zvaně na poslední chvíli. Celkově lze ale diplomovou práci označit za zdařilou a proto ji doporučuji k obhajobě.
Studentka se ve své práci zabývá metodami strojového učení v úlohách zpracování obrazů. V rešeršní části jsou podrobně popsány metody strojového učení. Bylo by vhodné přidat více informací o použití neuronových sítí pro segmentaci tumorů v MRI obrazech. Dále byl navržen postup trojrozměrného zpracování MRI obrazů. Pro kvalitu segmentace studentka navrhuje používat Dice-Sorensen koeficient, Jaccard koeficient, senzitivitu a specificitu. Pro srovnání segmentace pomocí neuronové sítě si vybrala jako referenční metodu kombinovaného prahování. Nutno podotknout, že tato metoda je v podstatě pro segmentaci tumorů nepoužitelná. Studentka v prostředí Matlab navrhla algoritmy pro segmentaci tumorů z obrazů získaných v databázi BRATS 2015. V závěru je uvedena diskuze vybraných výsledků a výpočetní náročnost jednotlivých metod. Po odborné stránce není v práci dostatečně diskutován postup při tvorbě struktury neuronových sítí, proč mají sítě právě zvolený počet skrytých vrstev a jak byly určeny jejich velikosti. Abstrakt práce je psán spíše jako úvod, čtenář v podstatě nezjistí jaká je podstata práce. V závěru jsou uvedeny hodnoty úspěšnosti použitých algoritmů na validační sadě, aniž by byla předtím tato problematika uvedena v jednotlivých kapitolách práce; není tedy zřejmé, jak se k těmto hodnotám dospělo. Co představuje úspěšnost algoritmu uvedená v procentech v abstraktu práce a závěru práce? Po formální stránce má práce jen několik nedostatků. Literatura by měla být citována od [1] postupně až po poslední uvedený zdroj. Ke každému vloženému obrázku by měl být v textu uveden odkaz a popis (např. odkazy na obr. 9.1, 10.5, 10.6 a 10.7 jsem vůbec nenašel). Studentka se nelehkého úkolu zhostila dobře a zadání splnila, avšak práce obsahuje několik odborných i formálních nedostatků, proto práci hodnotím jako dobrou.
eVSKP id 93555