prikaz prve stranice dokumenta Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima
No public access
master's thesis
Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:491977
Božurić, Tomislav
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Božurić, T. (2019). Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:491977

Božurić, Tomislav. "Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:491977

Božurić, Tomislav. "Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:491977

Božurić, T. (2019). 'Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 23 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:491977

Božurić T. Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2024 June 23] Available at: https://urn.nsk.hr/urn:nbn:hr:168:491977

T. Božurić, "Očitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:491977

Metadata
TitleOčitavanje rukom pisanih identifikacijskih brojeva temeljeno na dubokim modelima
Title (english)Deep Models Based Recognition of Student Identifiers
AuthorTomislav Božurić
MentorMarko Čupić (mentor)
Committee memberMarko Čupić (predsjednik povjerenstva)
Committee memberMarin Golub (član povjerenstva)
Committee memberDomagoj Jakobović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-07-10, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Prepoznavanje rukom pisanih znamenaka popularno je od samih ambicioznih početaka strojnog i dubokog učenja. Ovaj rad opisuje sustav koji osim prepoznavanja vrši i lokalizaciju, odnosno vrši detekciju pojedine rukom pisane znamenke. Sustav na ulazu prima sliku rukom pisanih identifikatora koju transformira u binarnu i vrši se podebljanje kontura. Na temelju visine, širine i odnosa između graničnih okvira vrši se spajanje i filtriranje pronađenih komponenti. U fazi postprocesiranja na temelju širine okvira, sigurnosti i entropije odnosno zbunjenosti klasifikatora pronalaze se problematični granični okviri i metodom kliznog prozora pokušavaju se razriješiti isti. Analiza se vrši koristeći dinamičku veličinu prozora te se na temelju zbunjenosti modela vrši podjela okvira. Sustav je ukomponiran u aplikaciju s jednostavnim i intuitivnim grafičkim korisničkim sučeljem. Problematični granični okviri vizualno se ističu kako bi korisnik lakše uočio i ispravio eventualne pogreške sustava. Omogućeno je uređivanje pronađenih graničnih okvira i pripadnih klasifikacija. Sustav tako omogućava generiranje sve većeg skupa za učenje i ponovno treniranje mreže na novoizgrađenom skupu rukom pisanih identifikatora čime klasifikator postaje još robusniji.
Abstract (english)
Recognition of handwritten digits is popular from the ambitious beginnings of the machine and deep learning. This paper describes a system that apart from recognition, also performs localization, or performs detection of handwritten digits. The system at the entrance receives an image of handwritten identifiers that is transformed into binary and contours of the identifiers are bolted. Based on the height, width and relationship between the boundary boxes, merging and filtering of the found boxes are performed. In the postprocessing phase based on the width of the box, classifier’s confidence and perplexity (entropy), problematic boundary boxes are found and the sliding window method is applied to resolve these boxes. The analysis is done using the dynamic size of the sliding window and based on the perplexity of the model the division of the boundary box is performed. The system is wrapped in an application with a simple and intuitive graphical user interface. The problematic bounding boxes are visually highlighted so that the user can easily detect and resolve possible system errors. Through the graphical interface, it is possible to edit the found boundaries and the corresponding classifications. The system thus enables the generation of an even larger learning dataset and retraining the network on a newly built dataset of handwritten identifiers that make the classifier even more robust.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:491977
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 on2020-01-07 16:58:22