prikaz prve stranice dokumenta Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima
No public access
master's thesis
Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:612152
Krmpotić, Klara
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Krmpotić, K. (2024). Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:612152

Krmpotić, Klara. "Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:612152

Krmpotić, Klara. "Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:612152

Krmpotić, K. (2024). 'Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:612152

Krmpotić K. Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:612152

K. Krmpotić, "Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:612152

Metadata
TitlePrimjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima
Title (english)Application of deep learning models for text recognition in mine records
AuthorKlara Krmpotić
MentorMarko Horvat (mentor)
Committee memberMarko Horvat (predsjednik povjerenstva)
Committee memberGordan Gledec (član povjerenstva)
Committee memberBoris Vrdoljak (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-09-09, Croatia
Abstract
Humanitarno razminiranje je proces uklanjanja minsko-eksplozivnih prepreka iz poslijeratnih područja. Prikupljanje informacija i podataka u njima se zapisuje u strukturno definirane zapisnike koji su rukom ispunjavani. Razvojem područja računalnog vida, omogućilo se da se te zapisnike digitalizira i učiniti ih dostupnima u digitalnom formatu, time se postiže brža obrade i analize tih podataka. U ovome radu s namjerom da se pročita tekst s minskih zapisnika. To se postiglo treniranjem modela za detekciju objekata, YOLO modela, koji je postavio okvire oko teksta na zapisniku te se zatim pomoću OCR pročitao napisani tekst. Model je treniran više puta, koristeći različite veličine ulaznih slika, da se mogu usporediti rezultati. Koristeći određene mjere pouzdanosti, provjerilo se jesu li dobiveni rezultate dobri predstavnici skupa podataka. Također su navedena i moguća poboljšanja koja se u budućim istraživanjima mogu primijeniti.
Abstract (english)
Humanitarian demining is the process of detecting and removing mine-explosive devices from post-war areas. Gathered information and data is recorded in structurally defined records that are filled in by hand. With the development of the field of computer vision, it was possible to digitize these records and make them available in a digital format, thereby achieving faster processing and analysis of data gathered. Purpose of this thesis is to read the text from these mine records. This was achieved by training an object detection model, the YOLO model, which placed bounding boxes around the text on the log and then read the written text using OCR. The model was trained multiple times, using different sizes of input images, to compare the results. Using certain reliability measures, it was checked whether the obtained results were good representatives of the data set. Possible improvements that can be applied in future research are also discussed.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:612152
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 21:13:35