but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) Ing. Petr Matoušek, Ph.D., M.A. (člen)	cs
but.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 B. Otázky u obhajoby: V práci analyzujete chování diskriminátoru. Máte představu jak s ním lépe pracovat, aby neměl negativní vliv na adaptaci a ta se chovala i předvídatelněji? Je možné využít při adaptaci i neanotované řádky? Co konkrétně jste implementoval a jak jste využil existující software.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Kohút, Jan	cs
dc.contributor.author	Sekula, Jakub	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.accessioned	2021-06-20T06:53:49Z
dc.date.available	2021-06-20T06:53:49Z
dc.date.created	2021	cs
dc.description.abstract	Tato bakalářská práce se zabývá adaptací neuronových sítí na pisatele s cílem zlepšení rozpoznání ručně psaného písma tohoto pisatele. Metoda, kterou používám, je rychlá, vyžaduje malou trénovací množinu dat a využívá regularizaci, která se snaží udržet distribuci regularizovaných vah adaptační sítě podobnou té z předadaptační sítě. Tuto metodu jsem testoval nad datasetem tištěných textů IMPACT a datasetem ručně psaných textů. Nad datasetem ručně psaných textů se mi na dvou denících podařilo snížit chybovost z počátečních 10,82 % a 1,82 % na chybovost 8,48 % a 0,77 % v rámci malého počtu adaptačních iterací a připoužití malého množství trénovacích řádků. Na datasetu IMPACT se mi podařilo snížit chybovost nad polské historické písmo z počáteční chybovosti 32,88 % na 5,30 %.	cs
dc.description.abstract	This bachelor's thesis deals with the adaptation of neural networks to a specific writer with an aim to improve recognition of handwritten text of this specific writer. The method that I use is fast, requires small training dataset and uses regularization, which tries to keep the distribution of regularized weights in adaptation network similar to the one in the original network. I tested this method on dataset of printed text called IMPACT and dataset of handwritten text. When testing on dataset of handwritten text I was able to improve recognition on two diaries with pre adaptation recognition error rate of 10,82 % and 1,82 % to 8,48 % and 0,77 % with a small number of adaptation iterations and using small amount of training lines. When testing on IMPACT dataset I was able to improve recognition error rate from 32,88 % to 5,30 %.	en
dc.description.mark	B	cs
dc.identifier.citation	SEKULA, J. Adaptace neuronových sítí na cílového pisatele [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136489	cs
dc.identifier.uri	http://hdl.handle.net/11012/199352
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	adaptace na pisatele	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	rekurentní neuronové sítě	cs
dc.subject	rozpoznávání textu	cs
dc.subject	writer adaptation	en
dc.subject	convolutional neural network	en
dc.subject	recurrent neural network	en
dc.subject	text recognition	en
dc.title	Adaptace neuronových sítí na cílového pisatele	cs
dc.title.alternative	Adaptation of Neural Networks to Target Writer	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-14	cs
dcterms.modified	2021-06-19-12:15:45	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136489	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.10 14:56:01	en
sync.item.modts	2021.11.10 13:54:09	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Adaptace neuronových sítí na cílového pisatele

Files

Original bundle

Collections