Zadání je obtížnější. Vyžadovalo nastudovat netriviální metody hlubokého učení vhodné pro danou úlohu, ale také tradiční metody pro zarovnání obrazků pro vzájemné porovnání. Obojí bez předchozích znalostí a zkušeností neboť jsou nad rámec bakalářského studia. Jako problematická se ukázala i dostupnost vhodných trénovacích a validačních dat. Firma pro testování poskytla pouze dva ukázkové datasety z elektronového mikroskopu. Studentka se musela pokusit vytvořit dataset vlastní s vhodnými typy augmentací a anotací pro porovnání metod.

Požadované body zadání byly splněny a výsledkem práce je základní porovnání relativně nových metod SuperPoint a SuperGlue s tradiční metodou založenou na SIFT klíčových bodech.

Konzultace byly pravidelné. Studentka k řešení přistupovala aktivně a průběžně prezentovala dílčí pokroky a navrhovala další postup.

Není známa.

Evaluation level: obtížnější zadání

The content of the thesis goes beyond the knowledge acquired in the bachelor's study program. The student explored the possibilities of image stitching using neural networks. This area is not covered by the study programme and makes the assignment more difficult.

Evaluation level: je v obvyklém rozmezí

The thesis is of usual length. However, section 2.3 goes into unnecessary details and is too long.

The thesis lacks finishing touches, which can be seen in some incorrect references to images (e.g. Section 2.2 and reference to Figure 2.9b) and images with copy-pasted captions (e.g. Figure 3.1 and 3.2). Some chapters are missing introductory text. The language is with some minor mistakes.

The uploaded source codes are documented but they lack instructions on how to train individual neural networks. From the point of of  experiments, several methods were tried and their comparison was suitably shown.