Detail práce
Analýza polygonálních modelů pomocí neuronových sítí
Práca sa zaoberá odhadom rotácie na 3D modeloch čeľuste. Popisuje metódy na priame spracovanie 3D modelov aj spracovanie modelu pomocou rasterizácie a porovnáva tieto metódy. Na vyhodnotenie sietí bola zavedená metrika, ktorá počíta počet prípadov, v ktorých sieť urobila v odhade rotácie chybu menšiu ako 30° od skutočnej rotácie. Navrhnutá metóda, ktorá pracovala s rasterizáciou, spracovávala rontgenové snímky z troch pohľadov pomocou konvolučných sietí. Dosiahla úspešnosť 99% vo vyššie uvedenej metrike. Metóda priameho spracovania polygoniálneho modelu ako sekvencie využíva attention mechanizmus a je inšpirovaná transformer architektúrou. Pre túto metódu bola navrhnutá aj špeciálna operácia poolingu, ktorá umožnila znížiť hlavne pamäťovú náročnosť siete. Dosiahla horšie výsledky 88%, ale nevyžadovala rasterizáciu a priamo spracovávala polygoniálny model. Okrem toho, dosiahla lepšie výsledky ako metóda s rasterizáciou, kde model nebol zobrazený ako rontge, ale len ako render. Posledná metóda spracováva model v grafovej reprezentácii. Grafová sieť mala veľký problém s pretrénovaním, preto nedosiahla dobré výsledky a nepovažujem ju za dobrú metódu priameho spracovania polygoniálneho modelu.
polygoniálne modely, neurónové siete, odhad rotácie, attention mechanizmus, transformer, grafové konvolučné siete
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A.
- V práci jste uvedla, že používáte metriku vyhodnocující, zda odchylka úhlu je menší než 30° (odstavec 4.1.2). To se mi zdá "hodně hrubé". Dá se dosáhnout lepší rozlišovací schopnosti/přesnosti výstupů?
- Na základě Vašich zkušeností s prací, pokládáte aplikaci sítí na polygonální modely za dobrou alternativu aplikaci na 3D rastr? V čem jsou hlavní výhody a nevýhody, které jste vyzkoumala?
- Jakým způsobem byl použity attention model ve Vašem řešení?
Beran Vítězslav, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Burget Lukáš, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Hradiš Michal, Ing., Ph.D. (UPGM FIT VUT), člen
Křivka Zbyněk, Ing., Ph.D. (UIFS FIT VUT), člen
Orság Filip, Ing., Ph.D. (UITS FIT VUT), člen
@mastersthesis{FITMT22821,
author = "Michaela Dronzekov\'{a}",
type = "Diplomov\'{a} pr\'{a}ce",
title = "Anal\'{y}za polygon\'{a}ln\'{i}ch model\r{u} pomoc\'{i} neuronov\'{y}ch s\'{i}t\'{i}",
school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
year = 2020,
location = "Brno, CZ",
language = "slovak",
url = "https://www.fit.vut.cz/study/thesis/22821/"
}