bakalářská práce

Neuronová síť pro přenos stylu

Text práce 3.3 MB Příloha 1.24 MB

Autor práce: Bc. Filip Kadlec

Ak. rok: 2018/2019

Vedoucí: Ing. Tomáš Hůlka

Oponent: doc. Ing. Radomil Matoušek, Ph.D.

Abstrakt:

V této bakalářské práci je popsáno strojové učení, typy umělých neuronových sítí a pochody v neuronových sítích, jako dopředné zpracování dat či trénování a učení samotných sítí. Také se zde srovnávají a popisují prostředky pro implementaci neuronových sítí. Praktická část je věnována problematice přenosu uměleckého stylu pomocí konvoluční neuronové sítě.

Klíčová slova:

strojové učení, hluboké učení, umělé neuronové sítě, přenos uměleckého stylu, TensorFlow, Keras

Termín obhajoby

20.6.2019

Výsledek obhajoby

obhájeno (práce byla úspěšně obhájena)

znakmkaAznamka

Klasifikace

A

Průběh obhajoby

Student seznámil komisi s výsledky své bakalářské práce a úspěšně zodpověděl otázky oponenta i komise (jak jsou vrstvy v síti zapojeny).

Jazyk práce

čeština

Fakulta

Ústav

Studijní obor

Základy strojního inženýrství (B-STI)

Složení komise

doc. Ing. Branislav Lacko, CSc. (předseda)
prof. Ing. Pavel Ošmera, CSc. (místopředseda)
doc. Ing. Simeon Simeonov, CSc. (člen)
Ing. Radek Poliščuk, Ph.D. (člen)
Ing. Pavel Škrabánek, Ph.D. (člen)
Ing. František Vdoleček, CSc. (člen)

Posudek vedoucího
Ing. Tomáš Hůlka

Předložená bakalářská práce se věnuje problematice přenosu stylu pomocí neuronové sítě. Autor nejprve popisuje neuronové sítě obecně, detailně se věnuje veškerým potřebným náležitostem a také rozebírá jednotlivé typy sítí. V praktické části se věnuje návrhu konvoluční neuronové sítě, která je schopna odseparovat styl od obsahu jednoho obrázku a následně ho aplikovat na obsah obrázku druhého. Práce splňuje všechny požadavky zadání a má potenciál pro budoucí navázání a rozšíření. Obzvláště oceňuji vysokou míru samostatnosti a iniciativy studenta, který se s takto náročnou problematikou úspěšně vyrovnal.
Kritérium hodnocení Známka
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita B
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry B
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis B
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A

Známka navržená vedoucím: A

Autor přehledně uvádí čtenáře do problematiky teorie a aplikací neuronových sítí. V práci se úspěšně věnuje zvládnutí problému přenosu uměleckého stylu, což je moderní směr vývoje a výzkumu v oblasti úpravy a generování obrazu s využitím metod umělé inteligence. Praktické využití použitých principů může směřovat např. k vylepšení grafických editorů a opravám obrazu.

Grafické zpracování některých obrázků a grafů trpí artefakty ztrátové komprese v důsledku nevhodně použitých formátu, rozlišení anebo metody exportu do PDF. Obrázky 2.12 a 2.13 jsou zbytečně převzaty v nízké kvalitě; jde o grafy, které autor mohl reprodukovat samostatně.

V předloženém díle je třeba i přes uvedené drobné nedostatky vyzdvihnout fakt, že autor neprošel žádným kurzem umělé inteligence ani optimalizace na ÚAI, a musel tedy uvedenou netriviální problematiku nastudovat samostatně. Z této skutečnosti vyplývá místy katastrofální, či nekonzistentní formulace popisu neuronových sítí.

Uvedené výsledky ukazují funkčnost metody a splnění cílů zadání v plném rozsahu. S přičtením netriviálnosti dané problematiky i kontextu bakalářské práce, považuji celkový výsledek za velmi dobrý až výborný a doporučuji s tímto hodnocením k obhajobě.
Kritérium hodnocení Známka
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod B
Vlastní přínos a originalita A
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti B
Grafická, stylistická úprava a pravopis B
Práce s literaturou včetně citací A

Známka navržená oponentem: A