Přístupnostní navigace
E-application
Search Search Close
Master's Thesis
Author of thesis: Ing. Sebastián Chupáč
Acad. year: 2025/2026
Supervisor: Ing. Štěpán Rydlo
Reviewer: Ing. Filip Orság, Ph.D.
This thesis deals with the use of homography for verifying the identity of individuals based on 2D biometric features. It explains homography and the process of its estimation, as well as selected biometric features and selected methods for estimating homography. It then presents a system for experimenting, evaluating, and comparing selected methods across different biometric features and the tasks of verification and identification. I conducted numerous experiments, which are evaluated in the thesis, and the achieved results are compared with those of modern, specialized biometric approaches. The obtained results indicate that homography represents a possible alternative to currently used biometric identification methods.
Homography, person identification, biometrics, biometric verification, machine learning, neural networks, keypoint detection, computer vision
Date of defence
24.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
C
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 C.
Topics for thesis defence
Language of thesis
Slovak
Faculty
Fakulta informačních technologií
Department
Department of Intelligent Systems
Study programme
Information Technology and Artificial Intelligence (MITAI)
Specialization
Machine Learning (NMAL)
Composition of Committee
prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Vítězslav Beran, Ph.D. (místopředseda) doc. Ing. Ondřej Lengál, Ph.D. (člen) doc. Ing. František Zbořil, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Martin Fajčík, Ph.D. (člen)
Supervisor’s reportIng. Štěpán Rydlo
Student pracoval aktivně po celou dobu řešení diplomové práce. Zároveň navrhl a otestoval více metod, než bylo definováno v zadání. V rámci práce student implementoval také rozšíření v podobě uživatelského rozhraní, které slouží k vizualizaci výsledků. Pro předloženou diplomovou práci proto navrhuji hodnocení A (výborně).
Cílem práce bylo navrhnout, prostudovat a porovnat výsledky neuronových sítí trénovaných pro účely odhadu homografie. Navržené sítě byly trénovány na nebiometrických datasetech. Úkolem studenta bylo zároveň nalézt a navrhnout biometrické znaky, na kterých následně prováděl testování. Student zadání splnil, přičemž navrhl a porovnal více metod, než bylo původně specifikováno.
Student pracoval aktivně po celý rok, samotné vyhodnocení a shrnutí výsledků však sestavoval na poslední chvíli. Jako vedoucí jsem tak měl možnost prohlédnout si celou práci, avšak bez části shrnující dosažené výsledky.
Nejsem obeznámen s žádnou publikační činností, či oceněním dané práce.
Student aktivně dohledával zdroje a nesoustředil se pouze na doporučenou literaturu. V rámci práce také navrhl další metody a zajistil datasety, na kterých následně provedl identifikační testy.
Student aktivně komunikoval a průběžně konzultoval vlastní postup. Na konzultaci dorazil vždy řádně připraven se seznamem otázek k tématu, které potřeboval upřesnit.
Grade proposed by supervisor: A
Reviewer’s reportIng. Filip Orság, Ph.D.
Předložená diplomová práce řeší náročné a zajímavé téma na pomezí počítačového vidění, homografie a biometrické identifikace. Student prokázal schopnost nastudovat rozsáhlou oblast, pracovat s moderními metodami párování obrazů, vytvořit vlastní experimentální rámec a provést vyhodnocení na více biometrických modalitách. Výsledky jsou věcně interpretovány a práce přináší užitečný pohled na možnosti i limity homografických metod v biometrii. Za hlavní nedostatky považuji místy méně přehlednou prezentaci rozsáhlých experimentů, absenci hlubší optimalizace metod pro jednotlivé modality a formální a jazykové nedostatky. Práci hodnotím jako velmi dobrou.
Evaluation level: zadání splněno
Evaluation level: je v obvyklém rozmezí
Prezentační úroveň hodnotím jako dobrou. Práce má logickou strukturu: od úvodu do biometrie a metrik, přes homografii a přehled metod až po implementaci a experimentální vyhodnocení. Oceňuji, že student uvádí nejen výsledky, ale také jejich interpretaci. Slabší stránkou prezentace je místy značné množství metod, datových sad a metrik, což snižuje přehlednost.
Práce je psána slovensky. V textu se vyskytují drobné překlepy a stylistické nedostatky - například nekonzistence v některých technických termínech, drobné chyby v diakritice a anglických výrazech v popiscích grafů, nejednotnost u formálních zápisů (mezera před procenty, střídání desetinné tečky/čárky), chybějící tečky u popisu obrázků, horší kvalita některých obrázků, apod. U některých vzorců postrádám lepší vysvětlení významu jednotlivých veličin a citace na vhodném místě.
Student využívá rozsáhlý soubor odborných zdrojů. Literatura pokrývá jak homografii a image matching, tak biometrické vlastnosti, datové sady a metriky. Bibliografie je rozsáhlá a zahrnuje i aktuální práce. Převzaté metody a implementace jsou v textu odlišeny od vlastního řešení. Student také výslovně uvádí použití nástrojů ChatGPT pro jazykovou revizi a práci s literaturou a GitHub Copilot při tvorbě kódu. Drobnější výhradu mám k tomu, že v realizačním výstupu, ale i v popisu implementací a modelů by bylo vhodné systematičtěji shrnout licenční aspekty a lépe oddělit převzatý kód a vlastní řešení.
Realizační výstup hodnotím jako kvalitní. Student vytvořil experimentální framework BioVerify, který sjednocuje různé metody párování obrazů a umožňuje jejich použití pro biometrickou verifikaci i closed-set identifikaci. Implementace je v jazyce Python a podporuje konfiguraci experimentů, zpracování datových sad, použití masek, předzpracování, vyhodnocení metrik a porovnání metod. Experimentální část je poměrně rozsáhlá. Student testuje metody na několika biometrických modalitách a vyhodnocuje přesnost, ROC AUC, EER, rank-1 recognition rate, mAP i rychlost. Pozitivem je také vyhodnocení rychlosti. Omezením je, že nebyla provedena hlubší optimalizace parametrů jednotlivých metod pro konkrétní modality, což student sám uvádí jako možný směr dalšího zlepšení.
Přínos práce spočívá zejména v ověření, zda lze metody odhadu homografie a párování obrazů využít jako alternativní přístup k biometrické verifikaci a identifikaci. Odevzdaný framework může být využit pro další experimenty, například pro ladění parametrů jednotlivých metod, testování dalších datových sad nebo propojení homografických metod se specializovanými biometrickými modely. Pro přímé praktické nasazení by bylo potřeba provést rozsáhlejší validaci, optimalizaci a posouzení robustnosti v reálných podmínkách.
Evaluation level: obtížnější zadání
Zadání hodnotím jako obtížnější, protože práce kombinuje několik oblastí: teorii homografie a lokálních příznaků, moderní metody párování obrazů včetně hlubokých modelů neuronových sítí, problematiku biometrické verifikace a identifikace a experimentální vyhodnocení na více biometrických modalitách.
Grade proposed by reviewer: B
Responsibility: Mgr. et Mgr. Hana Odstrčilová