Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorMartínek, Jiří
dc.contributor.authorLenc, Ladislav
dc.contributor.authorKrál, Pavel
dc.date.accessioned2019-11-11T11:00:20Z-
dc.date.available2019-11-11T11:00:20Z-
dc.date.issued2019
dc.identifier.citationHRUDA, L., DVOŘÁK, J., VÁŠA, L. On evaluating consensus in RANSAC surface registration. Computer Graphics Forum, 2019, roč. 38, č. 5, s. 175-186. ISSN 1467-8659.en
dc.identifier.issn1868-4238
dc.identifier.uri2-s2.0-85070444843
dc.identifier.urihttp://hdl.handle.net/11025/35853
dc.description.abstractTento článek prezentuje přehled trénovacích strategií pro systém optického rozpoznávání znaků v historických dokumentech. Hlavní problém je kvalita anotovaných dat a jejich nedostatek. Dále shrneme několik způsobů vytváření syntetických dat. Hlavním úkolem článku je ukázat a porovnat různé možnosti kombinace syntetických a anotovaných dat pro trénování konvoluční rekurentní neuronové sítě.cs
dc.format12 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherBlackwell Publishingen
dc.relation.ispartofseriesComputer Graphics Forumen
dc.rightsPlný text je přístupný v rámci univerzity přihlášeným uživatelům.cs
dc.rights© Blackwell Publishingen
dc.subjectKonvoluční neuronová sícs
dc.subject, historické dokumentycs
dc.subjectLong Short-Term Memorycs
dc.subjectNeuronová síťcs
dc.subjectoptické rozpoznávání znakůcs
dc.subjectsyntetická datacs
dc.titleTraining Strategies for OCR Systems for Historical Documentsen
dc.title.alternativeStrategie trénování OCR systému pro historické dokumentycs
dc.typečlánekcs
dc.typearticleen
dc.rights.accessrestrictedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedRandom Sample Consensus is a powerful paradigm that was successfully applied in various contexts, including Location Determination Problem, fundamental matrix estimation and global 3D surface registration, where many previously proposed algorithms can be interpreted as a particular implementation of this concept. In general, a set of candidate transformations is generated by some simple procedure, and an aligning transformation is chosen within this set, such that it aligns the largest portion of the input data. We observe that choosing the aligning transformation may also be interpreted as finding consensus among the candidates, which in turn involves measuring similarity of candidate rigid transformations. While it is not difficult to construct a metric that provides reasonable results, most approaches come with certain limitations and drawbacks. In this paper, we investigate possible means of measuring distances in SE(3) and compare their properties both theoretically and experimentally in a model RANSAC registration algorithm. We also propose modifications to existing measures and propose a novel method of locating the consensus transformation based on Vantage Point Tree data structure.en
dc.subject.translatedConvolutional Neural Networken
dc.subject.translatedHistorical documentsen
dc.subject.translatedLong Short-Term Memoryen
dc.subject.translatedNeural Networken
dc.subject.translatedOptical Character Recognitionen
dc.subject.translatedSynthetic dataen
dc.identifier.doi10.1007/978-3-030-19823-7_30
dc.type.statusPeer-revieweden
dc.identifier.obd43926251
dc.project.IDLO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnostcs
dc.project.IDSGS-2019-016/Syntéza a analýza geometrických a výpočetních modelůcs
Vyskytuje se v kolekcích:Články / Articles (NTIS)
Články / Articles (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
aiai_2019_jiri_Martinek 2.pdf1,52 MBAdobe PDFZobrazit/otevřít  Vyžádat kopii
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/35839

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD