Prezentační úroveň závěrečné práce i její rozsah jsou na velmi dobré úrovni. Z formálního hlediska je práce rovněž na velmi dobré úrovni. Práce studenta s literaturou je na dobré úrovni. Výsledky práce mohou být využity ve výzkumných projektech zaměřených na pokročilé autentizační metody využívající umělou inteligenci a prvky ochrany soukromí uživatelů. Student implementoval autentizační modul založený na rozpoznávání obličeje využívající model ArcFace, doplněný o detektor SCRFD a zarovnání obličeje. Softwarový modul provádí detekci, zarovnání a rozpoznávání obličeje lokálně na mikropočítači Raspberry Pi 4B. Navržené řešení bylo experimentálně ověřeno, přičemž na datové sadě LFW dosáhlo přesnosti 99,08 %. Student pravidelně konzultoval postup řešení a průběžně reportoval výsledky své práce. Celkově hodnotím práci známkou A, 95 bodů. Výsledný počet bodů navržený vedoucím: 95

Předložená bakalářská práce se zabývá problematikou rozpoznávání obličeje se zachováním soukromí na EDGE zařízeních. Zvolené téma považuji za aktuální a náročné, neboť propojuje oblasti více oblastí a vyžaduje nasazení na výpočetně omezených platformách. Autor prokázal schopnost samostatně nastudovat rozsáhlou problematiku a navrhnout funkční řešení odpovídající zadání práce, zadání pak považuji za splněné.

Za silnou stránku práce považuji zejména praktickou část. Autor provedl analýzu dostupných hardwarových platforem, vhodně zdůvodnil výběr Raspberry Pi 4B a následně na tomto zařízení navržené řešení implementoval a experimentálně ověřil. Oceňuji rovněž použití moderních metod detekce a rozpoznávání obličeje. Pozitivně hodnotím také realizované experimenty zaměřené na ověření robustnosti systému, včetně analýzy vlivu různých podmínek snímání.

Určitou výhradu mám k naplnění aspektu zachování soukromí. Teoretická část se podrobně věnuje metodám, jako jsou diferenciální soukromí, PCA či PEEP, avšak finální implementované řešení je založeno především na standardních ArcFace embeddingech. Autor sice správně argumentuje tím, že na server nejsou přenášeny fotografie, ale pouze embeddingy, nicméně některé popsané metody ochrany soukromí nebyly využity. Domnívám že by bylo vhodné podrobněji diskutovat dosaženou míru ochrany soukromí. Tento nedostatek však nevnímám jako zásadní vzhledem k tomu, že autor popisuje důvody, které vedly ke změně zvoleného přístupu.

Z formálního hlediska lze práci vytknout několik drobných nedostatků. Například kvalita některých obrázků není zcela dostačující a zhoršuje jeho čitelnost. V textu se rovněž vyskytují drobné stylistické a formální nepřesnosti, které však nesnižují odbornou úroveň práce. Autor pracoval s velkým množstvím zdrojů, které jsou vhodně zvoleny. Některá tvrzení v textu a obrázky však referenci nemají uvedenu, přestože je zřejmé, že autor čerpal z uvedených zdrojů. Také lze vytknout nejednotný styl uvádění data citace či duplicitní referenci [5] a [13].

I přes uvedené dílčí nedostatky práci považuji za mimořádně přínosnou a pečlivě zpracovanou. Práci doporučuji k obhajobě s hodnocením A / 90 b. Otázky k obhajobě:

1. Model Random Forest dosáhl na vlastním datasetu přesnosti přibližně 92 %, přičemž autor připouští možnost přetrénování. Jakým způsobem by bylo možné overfitting ověřit a jak by se podle autora změnila přesnost při použití rozsáhlejšího a rozmanitějšího datasetu?
2. Jaký přínos by podle autora přineslo doplnění některé z diskutovaných metod ochrany soukromí a jak by ovlivnilo přesnost rozpoznávání?

Výsledný počet bodů navržený oponentem: 90