Detail práce

Využití hlubokého učení pro rozpoznání textu v obrazu grafického uživatelského rozhraní

Diplomová práce Student: Hamerník Pavel Akademický rok: 2018/2019 Vedoucí: Lysek Tomáš, Ing.
Název anglicky
Deep Learning for OCR in GUI
Jazyk práce
český
Abstrakt

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.

Klíčová slova

rozpoznání textu, neuronové sítě, konvoluční neuronové sítě, CNN, LSTM, rekurentní neu-ronové sítě, RNN, hluboké učení neuronových sítí, OCR

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie, obor Počítačová grafika a multimédia
Soubory
Stav
obhájeno, hodnocení C
Obhajoba
30. srpna 2019
Oponent
Špaňhel Jakub, Ing., Ph.D.
Průběh obhajoby

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
  1. 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?
  2. 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?
Komise
Růžička Richard, doc. Ing., Ph.D., MBA (UPSY FIT VUT), předseda
Herout Adam, prof. Ing., Ph.D. (UPGM FIT VUT), člen
Hrdina Jaroslav, doc. Mgr., Ph.D. (UM OADM FSI VUT), člen
Malinka Kamil, Mgr., Ph.D. (UITS FIT VUT), člen
Rogalewicz Adam, doc. Mgr., Ph.D. (UITS FIT VUT), člen
Zbořil František, doc. Ing., Ph.D. (UITS FIT VUT), člen
Citace
HAMERNÍK, Pavel. Využití hlubokého učení pro rozpoznání textu v obrazu grafického uživatelského rozhraní. Brno, 2019. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2019-08-30. Vedoucí práce Lysek Tomáš. Dostupné z: https://www-dev.fit.vutbr.cz/study/thesis/22520/
BibTeX 
@mastersthesis{FITMT22520,
    author = "Pavel Hamern\'{i}k",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Vyu\v{z}it\'{i} hlubok\'{e}ho u\v{c}en\'{i} pro rozpozn\'{a}n\'{i} textu v obrazu grafick\'{e}ho u\v{z}ivatelsk\'{e}ho rozhran\'{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 = 2019,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/22520/"
}

Závěrečné práce

Nahoru