| Název: | Čtení textů pomocí metod hlubokého učení |
| Další názvy: | Optical character recognition using deep learning |
| Autoři: | Andrlík, Pavel |
| Vedoucí práce/školitel: | Hrúz Marek, Ing. Ph.D. |
| Oponent: | Soukup Lukáš, Ing. |
| Datum vydání: | 2022 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | diplomová práce |
| URI: | http://hdl.handle.net/11025/48953 |
| Klíčová slova: | neuronová síť;optické rozpoznávání znaků;detektor textu ve scéně;hluboké učení;generování dat |
| Klíčová slova v dalším jazyce: | neural network;optical character recognition;scene text detector;deep learning;data generating |
| Abstrakt: | Tato diplomová práce pojednává o problému optického rozpoznávání znaků při použití neuronových sítí. Zaměřuji se na zlepšení detekce a rozpoznávání textu pomocí dotrénování E2E-MLT scénového detektoru textu tak, že ho trénuji na umělých datech, která napodobují reálná data. Model byl dotrénováván na několika datasetech obsahujících uměle generovaná a reálná data, poté byly vybrány nejlepší modely a otestovány na jednom umělém a dvou reálných datasetech, jeden s převahou divokého textu, druhý s většinou textu vtištěného televizním zpravodajstvím. Na datasetu s většinout digitálně vložených textů bylo dosaženo zlepšení snížením chybovosti znaků z 52\% na 31.6\% a chybovosti slov z 56.5\% na 22\%. Během experimentů bylo také zjištěno, že trénování modelů na umělých datech simulující skutečné obrázky ze zpravodajství zhoršuje schopnost sítě detekovat a číst reálné divoké texty. |
| Abstrakt v dalším jazyce: | This diploma thesis deals with the problem of optical character recognition (OCR) using neural networks. I am focusing on improving text detection and OCR by fine-tuning an E2E-MLT scene text detector by training it on synthetic data which emulates real data. The model was fine-tuned on several datasets with synthetically generated data and real data, then the models were tested on one synthetic and two real datasets, one with the majority of the wild text, the second with the majority of TV news imprinted text. On the dataset with majority of TV news imprinted texts the fine-tuned models achieved improvement by decreasing character error rate from 52\% to 31.6\% word error rate and from 56.5\% to 22\%. It was also experimentally discovered that training models on synthetic data simulating real TV news images deteriorate detection and reading model capability on wild text data. |
| Práva: | Plný text práce je přístupný bez omezení |
| Vyskytuje se v kolekcích: | Diplomové práce / Theses (KKY) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| Thesis___Pavel_Andrlik.pdf | Plný text práce | 8,17 MB | Adobe PDF | Zobrazit/otevřít |
| Andrlik_V.pdf | Posudek vedoucího práce | 492,11 kB | Adobe PDF | Zobrazit/otevřít |
| Andrlik_O.pdf | Posudek oponenta práce | 472,13 kB | Adobe PDF | Zobrazit/otevřít |
| Andrlik_P.pdf | Průběh obhajoby práce | 237,5 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/48953Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.