Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Matej Marušinec
Acad. year: 2025/2026
Supervisor: Ing. Pavol Dubovec
Reviewer: Ing. Šimon Strýček
The aim of this work is to design and implement an advanced system for detecting vehicles in aerial images using self-guided visual representations. The solution is based on an incremental approach that involves initial architecture development “from scratch” to analyze the detection limits of small objects, followed by the integration of features from the DINO (Self-Distillation with No Labels) model. This hybrid approach combines the spatial accuracy of a convolutional backbone with the deep semantic context of Vision Transformers, which enhances the robustness of detection in complex scenarios. To achieve high stability and geometric localization accuracy, the work implements a composite loss function combining L1 Loss, CIoU Loss, and Distribution Focal Loss (DFL). Training and evaluation were performed on the unified datasets VisDrone, DOTA, and UAVDT, with the system optimized to account for scale variability and object density. The result of this work is detection software capable of performing localization with an F1 score of nearly 62% and vehicle classification in aerial images. The proposed solution provides visual feedback in the form of bounding boxes and confirms the effectiveness of using self-supervised learning for practical tasks in traffic monitoring and smart urban infrastructure.
object detection, deep learning, neural networks, drone images, ResNet-50, DINOv2
Date of defence
17.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
D
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.
Topics for thesis defence
Language of thesis
Slovak
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology (BIT)
Composition of Committee
prof. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Ondřej Ryšavý, Ph.D. (místopředseda) Ing. Marcela Zachariášová, Ph.D. (člen) Ing. Tomáš Goldmann, Ph.D. (člen) Ing. Vojtěch Havlena, Ph.D. (člen)
Supervisor’s reportIng. Pavol Dubovec
Študent navrhol a implementoval funkčný systém detekcie vozidiel z aerálnych snímok založený na moderných prístupoch hlbokého učenia. Oceňujem najmä experimentálny charakter práce, samostatnosť pri návrhu riešenia a rozsah realizovaných experimentov.
Práca má dobrý technický základ a študent preukázal schopnosť orientovať sa v problematike detekcie objektov a Vision Transformerov. Rezervy vidím najmä v dôslednejšom porovnaní so súčasnými state-of-the-art prístupmi a vo finálnom spracovaní experimentálnych výsledkov. Nie všetky formálne výstupy zadania boli odovzdané v plnom rozsahu.
Napriek uvedeným výhradám považujem prácu za solídne spracovanú bakalársku prácu s dobrým technickým základom.
Téma práce bola pomerne náročná, keďže zahŕňala návrh a experimentálne overenie systému na detekciu vozidiel z aerálnych snímok pomocou hlbokého učenia. Práca sa venovala problematike detekcie objektov z vtáčej perspektívy, ktorá patrí medzi náročnejšie úlohy počítačového videnia.
Študent sa pri riešení oboznámil s modernými prístupmi k detekcii objektov, architektúrami typu Vision Transformer a využitím self-supervised učenia prostredníctvom modelu DINOv2. Súčasťou práce bol návrh vlastného detekčného systému a realizácia viacerých experimentov na UAV datasetoch.
Výsledné riešenie je funkčné a zadanie považujem za splnené, hoci nie všetky formálne výstupy zadania boli odovzdané v plnom rozsahu.
Študent si potrebnú literatúru vyhľadával samostatne. Vychádzal najmä z odborných publikácií z oblasti detekcie objektov, hlbokého učenia a analýzy aerálnych snímok vrátane moderných architektúr typu Vision Transformer a self-supervised učenia. Priestor na zlepšenie však vidím v dôslednejšom porovnaní so súčasnými state-of-the-art prístupmi.
Študent na práci priebežne pracoval počas oboch semestrov. Počas prvého semestra konzultácie využíval pravidelne a prichádzal na ne s konkrétnymi otázkami, priebežnými výsledkami a návrhmi ďalšieho postupu. V druhom semestri boli konzultácie menej časté (1x mesačne), študent pracoval prevažne samostatne.
Väčšina implementačnej časti bola dokončená v dostatočnom predstihu. Finálne vyhodnotenie experimentov a formulácia záverov však vznikali v kratšom časovom horizonte pred termínom odovzdania, čo obmedzilo priestor na detailnejšie konzultácie a spracovanie výsledkov. Finálna verzia práce pôsobí ucelene.
Nie je mi známa žiadna publikačná činnosť, ocenenie ani verejné zverejnenie softvéru súvisiace s touto bakalárskou prácou.
Grade proposed by supervisor: B
Reviewer’s reportIng. Šimon Strýček
Práci hodnotím jako průměrnou. Chybí mi jakékoli srovnání s existujícím řešením. Úloha detekce objektů/vozidel je dobře probádané téma, byť na datech odlišného charakteru (pozemní snímky oproti dronovým záznamům).
Chybí jakýkoli experiment s běžně používanými detekčními architekturami z rodiny YOLO nebo jiným state-of-the-art řešením. Student v technické zprávě tyto metody zmiňuje, ale sám je podle všeho ani nevyzkoušel.
Evaluation level: moderately difficult assignment
Jedná se o průměrně obtížné až mírně složitější zadání. Náročnost práce pramení převážně ze specifické podoby zpracovávaných dat – dronové záznamy. Samotná úloha je poměrně dobře popsána v existujících studiích.
V sedmé kapitole (Experimenty a porovnání) by bylo vhodné sjednotit tabulky s parametry tréninku. Opakování tabulky pro každý experiment je nejen redundantní, ale i velmi nepřehledné pro čtenáře.
V textu chybí přehledné srovnání jednotlivých experimentů.
Technická zpráva obsahuje příliš mnoho poměrně krátkých kapitol nižší úrovně (např. 6.5.1 - 6.5.3, které jsou všechny na straně 34). Obsah tak zahrnuje mnoho odkazů na stejné stránky a zabírá celé dvě strany, což vzhledem k rozsahu zprávy nepůsobí dobře.
Diagram na obrázku 2.4 je poměrně nejednoznačný.
Student v technické zprávě (kapitola 7, první experiment) zmiňuje implementaci vlastní architektury konvoluční sítě. V textu mi chybí alespoň diagram nebo slovní popis jejího návrhu.
Struktura práce je mimo zmíněné problémy smysluplná. Kapitoly na sebe tématicky navazují.
Jazyková úroveň textu je přijatelná a vyskytuje se v něm pouze několik drobných překlepů.Výrazy jako "self-attention" bych se vůbec nepokoušel překládat do češtiny. Celkově je v textu patrná nekonzistence překládaných a nepřekládaných technických pojmů, což působí neprofesionálně.
Zdrojové kódy obsahují autorské hlavičky a jsou dostatečně komentované. Rozdělení veškeré implementace do dvou souborů Detector.py a Evaluator.py je mírně neprofesionální, ale vzhledem k množství kódu je to akceptovatelné.Sjednocení velikosti obrázků (512x512px) napříč datovými sadami jejich zmenšením bez ohledu na výrazné nepoměry stran je nešťastné.
V práci zcela chybí jakékoli srovnání s existujícím řešením úlohy.
Vzhledem k chybějícímu porovnání nelze přesně srovnat, zda jsou dosažené výsledky dobré či ne, a tudíž nelze dostatečně posoudit využitelnost práce. Z demonstrovaných obrázků je však možné vidět, že detekce funguje, a tedy řešení má potenciál k využití v praxi.
Evaluation level: assignment fulfilled with minor reservations
Ve studentově zhodnocení řešení mi chybí srovnání s jinými metodami. Zbytek zadání byl splněn v požadovaném rozsahu.
Evaluation level: is within the usual extent
Technická zpráva je v obvyklém rozsahu.
Citované zdroje jsou relevantní k tématu a citace jsou až na drobné výhrady v pořádku.
Grade proposed by reviewer: D
Responsibility: Mgr. et Mgr. Hana Odstrčilová