MINAŘÍK, J. Nástroj pro rozšiřování obrazových databází [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Cílem bakalářské práce pana Minaříka bylo vytvořit nástroj, který by dle uživatelem nastavených pravidel, ale i s jistým vlivem náhody, rozšiřoval galerie snímků, například s použitím geometrických transformací, úpravou jasu a barvy či simulací některých vad. Student začal na své práci pracovat velmi pozvolna. Konzultace probíhaly převážně po emailech a spíše sporadicky. Zatímco na vlastním programu pracoval student průběžně, hlavní část dokumentu byla sepsána spíše až ke konci. Což se bohužel promítlo do úrovně zpracovaného dokumentu. Práce má sice požadovaný rozsah (celkem 45 stran), ale některé pasáže, především praktické části, obsahují mnoho překlepů a syntaktických chyb. Také úprava je často špatná. Práce s literaturou je dobrá. Student, především v teoretické části, využívá celkem 29 zdrojů, převážně v angličtině. Výsledek práce, samotný program je kvalitní. Má vhodně navržené, logické uživatelské rozhraní. Nabídka metod je bohatá. Chybí mi jen lepší rozpracování simulací vad. Každá metoda navíc nabízí více možností nastavení, včetně rozmezí hodnot. U metod, u kterých je to vhodné, je umožněno lokalizovat změnu obrazu pomocí posuvníků. Proto jako velmi dobrý nápad hodnotím možnost řadit za sebou jednotlivé metody neomezeně krát, vždy s jinými parametry. Program umožňuje aplikaci metod na jednom snímku i dávkově na celé databázi. Díky tomu, že je do geneze snímků zapojena míra náhody, jsou vzniklé galerie pestřejší. Lze docílit i kombinace metod opakovaným spuštěním na nově vytvořené databázi. Výslednou aplikaci tak bude možné využít k plánovanému účelu. Její použití bude přínosné např. pro trénování neuronových sítí či pro testování jiných algoritmů počítačového vidění. Pan Minařík svou prací prokázal bakalářské schopnosti, proto práci doporučuji k obhajobě s hodnocením C (70b).
Práce se zabývá tvorbou nástroje pro rozšíření trénovacích databází, což je téma aktuální a s velkým potenciálem v době neuronových sítí. Téma práce je možno hodnotit jako středně náročné. Přeskočím výtku o četných gramatických chybách, které začínají hned na začátku dokumentu a budu se věnovat samotnému věcnému popisu a realizaci. V úvodu práce student rozebírá na osmi stranách obecné vlastnosti obrazu a některé základní metody zpracování. Tato kapitola je velmi strohá a tak trochu nevyužitá s ohledem k tématu práce. Další kapitoly popisující metody pro úpravu vstupního obrazu jsou taktéž popsány velmi stroze. Dodaný release programu ale ukazuje na popisovanou funkcionalitu i spolehlivé uživatelské rozhraní, které umožňuje jednotlivé i dávkové zpracování. V závěru není posouzen přínos práce – zde by se nabízel test, kdy student použije libovolnou metodu strojového učení s dodaným datasetem (takových jsou stovky volně k dispozici) a následně porovná výsledky spolehlivosti na datasetu rozšířeném právě vytvořeným nástrojem. Student jistě odvedl velký kus práce a výsledek je funkční. Je možné, že všechny moje výtky jsou způsobené pouze studentovými slabšími schopnostmi prodat výsledek své práce. Proto nechávám na studentovi, jestli výsledek své práce dokáže prezentovat a obhájit před komisí lépe, než samotným dokumentem. Vzhledem k výše popsanému hodnotím práci 62b a doporučuji k obhajobě.
eVSKP id 126882