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.

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. Otázky k obhajobě:

1. Testoval jste i jiné modely než VGG16, např. ResNet?
2. Lze metodu aplikovat na snímky videa tak, aby obraz nepůsobil roztřeseně a nekonzistentně?
3. Okomentujte následující chyby či diskutabilní body: definice perceptronu (2.1); značení v rovnici (2.2) nepovažuji za vhodné; v rovnici (2.3) dochází k další změně značení; nevhodné značení rovnic v textu (př. str. 10 "Vzhledem k tomu, že díky rovnici č. 2.2 je možno popsat..."), dvouúrovňové číslování je u tohoto typu práce nevhodné, jak je běžně nazývána funkce, kterou nevhodně označujete jako „ztrátu“, viz def. (2.5); komentáře (str. 14) typu „Matematický popis je možná stravitelnější, než ten slovní“ apod. považujete za vhodné? Vztah (2.19) považujete za vztah pro konvoluci? Napište a vysvětlete vztah pro diskrétní konvoluci s 2D filtrem lichého rozměru.