ŠEVČÍK, Z. Automatická klasifikace obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Student Zdeněk Ševčík splnil zadání diplomové práce. V teoretické části popsal několik metod extrakce příznaků z digitálních snímků. Hlavní část rozboru oblasti strojového učení se zaměřuje na klastrovací algoritmy, spadající do metod strojového učení bez učitele. Pomocí nabytých znalostí, student naprogramoval aplikaci umožňující automatickou klasifikaci obrazů s možností výběru několika shlukovacích algoritmů a metod extrakce příznaků. Aplikace nachází uplatnění i na jiných datových množinách, než na kterých byla testována. Návrh GUI programu mohl být lépe zpracovaný. Seznam literatury není zcela korektní. Práce obsahuje nízký počet typografických chyb, avšak některé větné formulace jsou obtížně srozumitelné. Student pracoval samostatně a pravidelně konzultoval problematiku práce. Zadání bylo splněno v celém rozsahu a práci doporučuji k obhajobě s hodnocením A, 95 bodů.
Diplomová práce Zdeňka Ševčíka je dobře strukturovaná a obsahuje zároveň vhodné grafické ilustrace pro lepší pochopení problematiky extrakce příznaků z obrazů a následné třídění obrazů pomocí různých „clusterovacích” algoritmů. Autor se zabýval problematikou učení bez učitele, jejímž výsledkem je automatická klasifikace databáze obrazů bez nutnosti předchozí anotace. Po formální a jazykové stránce je práce na poměrně dobré úrovni, avšak vyskytují se zde například nevhodné výrazy na konci řádků. V některých sekcích práce se vyskytuje příliš mnoho holých vět po sobě, které by se daly spojit do souvětí a čtenář by měl možnost lépe vnímat návaznost informací. V práci se dále vícekrát objevuje například slovo „defaultní”, které se sice často používá v hovorové mluvě, ale při psaní závěrečné práce bych raději volil český ekvivalent – výchozí. Nevhodné se jeví také použití formulací jako „Diplomová práce se domnívá“ nebo „dospěla diplomová práce k závěru”. Po stránce obsahové je práce vypracována důkladně a také nechybí popisy a matematické vyjádření jednotlivých algoritmů. Zároveň také oceňuji časté reference na jednotlivé vědecké články. Autor porovnal vícero aktuálně používaných algoritmů pro automatickou klasifikaci obrazů, přičemž výsledky demonstroval na vlastní databázi obrazů. Částečný nedostatek shledávám v tom, že autorem vybrané obrazy se v rámci jednotlivých kategorií opravdu hodně liší. Bylo by zajímavé porovnat výsledky na databázi obrazů vizuálně podobných tříd. Vytvořená databáze zároveň není na poměry strojového učení moc obsáhlá, autor se však tuto skutečnost snažil částečně kompenzovat použitím umělé augmentace dat. Výsledky práce jsou prezentovány v dostatečné míře, nicméně není zcela jasné, jakým způsobem autor porovnával procentuální přesnost klasifikace při navyšování počtu klasifikovaných tříd. I přes zmíněné nedostatky práci doporučuji k obhajobě s hodnocením A/90 bodů.
eVSKP id 126059