Využití hlubokého učení pro rozpoznání textu v obrazu grafického uživatelského rozhraní

Loading...
Thumbnail Image
Date
ORCID
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Optické rozpoznání znaků (OCR) je již mnoho let oblastí zájmu. Je definováno jako proces digitalizace obrazu dokumentu do sekvence znaků. Navzdory desetiletím intenzivních výzkumů jsou systémy OCR, které jsou srovnatelné s lidským zrakem, stále otevřenou výzvou. V této práci je vytvořen návrh takového systému, který je schopen detekovat a rozpoznat text v grafických uživatelských rozhraních.
Optical character recognition (OCR) has been a topic of interest for many years. It is defined as the process of digitizing a document image into a sequence of characters. Despite decades of intense research, OCR systems with capabilities to that of human still remains an open challenge. In this work there is presented a design and implementation of such system, which is capable of detecting texts in graphical user interfaces.
Description
Citation
HAMERNÍK, P. Využití hlubokého učení pro rozpoznání textu v obrazu grafického uživatelského rozhraní [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a multimédia
Comittee
doc. Ing. Richard Růžička, Ph.D., MBA (předseda) prof. Ing. Adam Herout, Ph.D. (místopředseda) doc. Mgr. Jaroslav Hrdina, Ph.D. (člen) Mgr. Kamil Malinka, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) doc. Ing. František Zbořil, Ph.D. (člen)
Date of acceptance
2019-08-30
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 ". Otázky u obhajoby: V práci uvádíte, že využíváte při učení sítí "nulování gradientu". V části implementace však hovoříte o "resetování learning rate". O jakou techniku se tedy přesně jedná a jaké výhody/nevýhody při trénování přináší? V závěru práce tvrdíte, že vytvořit OCR systém, který rozpoznává všechny Unicode znaky není příliš reálné. Přitom konkurenční systémy, se kterými se srovnáváte dosahují obstojných výsledků i na textech s diakritikou. Čím si tento rozdíl vysvětlujete?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO