| Title: | Sketch2Code: Automatic hand-drawn UIelements detection with Faster R-CNN |
| Other Titles: | Sketch2Code: Automatická detekce ručně kreslených elementů uživatelského rozhraní pomocí Faster R-CNN |
| Authors: | Zita, Aleš Picek, Lukáš Říha, Antonín |
| Citation: | ZITA, A. PICEK, L. ŘÍHA, A. Sketch2Code: Automatic hand-drawn UIelements detection with Faster R-CNN. In CEUR Workshop proceedings - CLEF 2020 Working Notes. Thessaloniki: CEUR-WS, 2020. s. nestránkováno. ISBN: neuvedeno , ISSN: 1613-0073 |
| Issue Date: | 2020 |
| Publisher: | CEUR-WS |
| Document type: | konferenční příspěvek ConferenceObject |
| URI: | 2-s2.0-85113485682 http://hdl.handle.net/11025/47233 |
| ISBN: | neuvedeno |
| ISSN: | 1613-0073 |
| Keywords in different language: | Web Design;Object Detection;Convolutional Neural Networks;Machine Learning;Computer Vision;User Interface;Deep Learning |
| Abstract: | Převod nákresů uživatelského rozhraní do počítače je náročný a opakující se úkol. Především díky tomu, vzrůstá poptávka po systémech, které jsou schopné tento proces automatizovat. V tomto článku popisujeme metodu hlubokého učení pro lokalizaci jednotlivých elementů uživatelského rozhraní, která se umístila na prvním místě v soutěži ImageCLEFdrawnUI, přičemž dosáhla celkové přesnosti rovné 0.9708. Navržená metoda je založena na metodě detekce objektů Faster R-CNN s "backbone" architekturou ResNet-50, trénované pomocí pokročilých regularizačních technik. Pro reprodukční účely byl kód zveřejněn na https://github.com/picekl/ImageCLEF2020-DrawnUI. |
| Abstract in different language: | Transcription of User Interface (UI) elements hand drawings to the computer code is a tedious and repetitive task. Therefore, a need arose to create a system capable of automating such process. This paper describes a deep learning-based method for hand-drawn user interface elements detection and localization. The proposed method scored 1st place in the ImageCLEFdrawnUI competition while achieving an overall precision of 0.9708. The final method is based on Faster R-CNN object detector framework with ResNet-50 backbone architecture trained with advanced regularization techniques. The code has been made available at: https://github.com/picekl/ImageCLEF2020-DrawnUI. |
| Rights: | © authors |
| Appears in Collections: | Konferenční příspěvky / Conference Papers (KKY) OBD |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| paper_82.pdf | 2,61 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/47233Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.