Adaptace neuronových sítí na cílového pisatele
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 |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- final-thesis.pdf
- Size:
- 10.19 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- Posudek-Oponent prace-23609_o.pdf
- Size:
- 90.67 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Oponent prace-23609_o.pdf
Loading...
- Name:
- Posudek-Vedouci prace-23609_v.pdf
- Size:
- 86.04 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Vedouci prace-23609_v.pdf
Loading...
- Name:
- review_136489.html
- Size:
- 1.44 KB
- Format:
- Hypertext Markup Language
- Description:
- review_136489.html