HORŇÁKOVÁ, V. Rozpoznání tváří v reálných podmínkách pomocí technik hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Hlavním přínosem práce je ověření spolehlivosti dvou frameworků na rozpoznání tváří na videích z reálného prostředí, přičemž byla využita sada referenčních obrázků pro rozpoznávané osoby. Bohužel se nepodařilo zvýšit úspěšnost rozpoznání použitím algoritmu XGBoost, toto ovšem není chybou práce, šlo pouze o experimentální ověření této možnosti. Zadání práce bylo díky pravidelným konzultacím splněno. Vytknul bych pouze nižší vlastní iniciativu při nalézání nových řešení a méně přehledný výsledný kód přiložený na CD.
Práce se zaměřuje na srovnání úspěšnosti některých metod (FaceNet, Face_Recognition) pro rozpoznávání tváří v obraze na dostupných databázích a reálných datech (videosekvence). Text obsahuje větší množství formálních nedostatků: čísla citací místy neuváděny ve správném počadí (str. 10), zpracování teorie hlubokého učení má spíše obecný charakter (spousta textu, málo názorných diagramů s matematickými formulacemi pro lepší pochopení problému), zavádějící nebo neúplné obrázky k vysvětlení problému (str. 12, 13), obecně špatná kvalita obrázků (v rastrovém formátu), chybí popis proměnných v rovnicích 4.1 a 4.3, tabulky a grafy výsledků v rastrovém formátu apod. Text kapitoly Experimentální část – Testování s programem XGBoost je pro nezasvěceného čtenáře nic neříkající – opět chybí stručný a více technický charakter textu. Praktické testování úspěšnosti jednotlivých implementací je provedeno řádně a výsledky uvedeny a komentovány přehledně (až na sníženou kvalitu tabulek a grafů). V případě testování na videosekvencích studentka navrhla a vyzkoušela několik přístupů pro zvýšení úspěšnosti metod, z nichž se některé osvědčily. Práce splnila všechny zadané cíle, vzhledem k nedostatkům zejména ve formálnosti práce a psaném projevu ji navrhuji hodnotit stupněm B (80 b.).
eVSKP id 110237