|
|
Detekce objektu ve videosekvencích
Šebela, Miroslav ; Beneš, Radek (oponent) ; Číka, Petr (vedoucí práce)
Práce se skládá ze tří hlavních částí. Teoretického popisu transformací a metod zpracování obrazu, optického rozpoznání znaků a návrhu řešení rozpoznání registračních značek automobilu v obraze nebo videu. V teoretické části je popsána vlastní reprezentace obrazu, transformace pro vylepšení obrazu a metody segmentace regionů v obraze a jsou zde navrženy dvě metody pro optické rozpoznání znaků. Praktická část se zabývá návrhem řešení a postupem pro rozpoznání RZ. Řešení se skládá z předzpracování obrazu, segmentace regionů, detekce objektu dle jeho vlastností a následného optického rozpoznání znaků. Pro řešení byly použity metody převodu do odstínu šedé, transformace vycházející z histogramu, prahování, určení oblastí spojených obrazových bodů, detekce regionu dle jeho vlastností, optického rozpoznání znaků a porovnání zjištěných hodnot s databází registračních značek pro účely správy vjezdu do objektu.
|
|
|
Rozpoznávání registračních značek vozidel
Martinský, Ondrej ; Zbořil, František (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá možnostmi využití teoretických poznatků z oblasti umělé inteligence, strojového vidění a neuronových sítí pri konstrukci systémů pro automatické rozpoznávání evidenčních čísel vozidel. Do této problematiky spadají matematické principy a algoritmy, které zabezpečí detekci oblasti evidenčního čísla vozidla, segmentaci, normalizaci a samotné rozpoznání znaků. Práce komparativním způsobem pojednává o možnostech zabezpečení invariance systémů z pohledu světelných podmínek nebo deformace obrazu z pohledu kamery, kterou je obraz snímán. Součástí práce je také implementace demonstracního modelu, který je schopný tyto funkce realizovat nad sadou statických snímků.
|
|
|
Automatické získávání hodnot z měřidel bez komunikačního rozhraní
Dohnálek, Martin ; Čala, Martin (oponent) ; Kunz, Jan (vedoucí práce)
Práce se zabývá problematikou optického rozpoznávání znaků z displejů měřicích přístrojů bez komunikačního rozhraní. Tím by bylo umožněno provádět automatizovaná měření i na levnějších a starších přístrojích, které nedisponují přímo komunikačním rozhraním pro připojení k počítači. Kamerou namířenou na displej měřidla, propojenou s počítačem, je získáván vstupní obraz, v němž je na základě předem vytvořeného datasetu pro daný přístroj automaticky provedeno rozpoznání znaků. Výstupem algoritmu je soubor obsahující rozpoznanou hodnotu, jednotku a časovou značku měření. Byl rovněž vytvořen nástroj na tvorbu datasetu. Dostatečná optimalizace navrženého algoritmu se projevila při praktickém testování, kdy rychlost vykonávání (až 34 ms/iteraci) dostačuje běžným obnovovacím frekvencím displejů měřicích přístrojů. Dále bylo ověřeno, že při dodržení specifikovaných požadavků na scénu dosahuje algoritmus takřka 100% úspěšnost rozpoznání údaje. Byla také sledována odolnost vůči vyosení a náklonu rovin snímače a displeje, kdy při náklonu funguje algoritmus s nezměněnou přesností až do +/- 5° a při vyosení dokonce až do +/- 20°.
|
|
|
Uživatelské rozhraní pro rychlou opravu automatických přepisů textu
Szepsi, Pavol ; Kapinus, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárskej práce je navrhnúť a implementovať webové užívateľské rozhranie pre kontrolu a opravu výstupov OCR, ktoré bude vhodné pre mobilné a dotykové zariadenia. Užívateľské rozhranie využíva varianty výstupu OCR, ktoré môže užívateľ použiť na modifikáciu rozpoznaného textu. Rozhranie je implementované v jazyku JavaScript s využitím frameworku Vue JS. Pre serverovú časť je použitý balíček XAMPP. Pre komunikáciu medzi užívateľským rozhraním a serverom je použitý nástroj Axios. Vytvorené rozhranie umožňuje užívateľom rýchlo a jednoducho opraviť výstupy OCR, či už na počítači alebo na mobilnom zariadení.
|
|
|
Mobilní systém pro rozpoznání textu na iOS
Bobák, Petr ; Sochor, Jakub (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce dokumentuje postup vývoje moderní klient-server aplikace pro rozpoznání textu na platformě iOS. Čtenář je v úvodu seznámen s obecným principem klient-server modelu, včetně jeho známých architektur, a také s členěním logických vrstev mezi obě strany. Následuje popis současných trendů a používaných technologií vhodných pro tvorbu aplikačního rozhraní webového serveru. Dále jsou diskutovány principy a možnosti rozpoznání textu na straně serveru. V rámci klientské části práce poskytuje základní poznatky o platformě iOS a zmiňuje také některé podstatné koncepty charakteristické pro vývoj iOS aplikací. Vlastní implementace pak klade důraz na možnost obecného použití serverové části tak, aby ji bylo možné integrovat přímo s koncovým klientem, případně i s jiným aplikačním serverem třetí strany. Součástí výstupu práce je také framework pro přímou komunikaci iOS klienta se serverem. Jako příklad použití je implementována demonstrační aplikace pro vyhodnocení aditivních látek z etiket potravin.
|
|
|
Vyhodnocení testových formulářů pomocí OCR
Noghe, Petr ; Fliegel, Karel (oponent) ; Kaller, Ondřej (vedoucí práce)
Práce se zabývá vyhodnocováním formulářů pomocí optického rozpoznávání znaků v obraze. První část práce je věnována zpracování obrazu a používaným metodám pro OCR analýzu. V praktické části je vytvořena databáze vzorových znaků a z používaných metod je vybrána metoda založená na korelaci vzorů a rozpoznávaných znaků. Program pro návrh formulářů, jejich vyhodnocení a opravu špatně klasifikovaných znaků je navrhnut v grafickém prostředí programu MATLAB. Na závěr je vyhodnoceno několik formulářů a zjištěna míra úspěšnosti navrhnutého programu.
|
|
|
OCR module for recognition of letters and numbers
Kapusta, Ján ; Přinosil, Jiří (oponent) ; Sigmund, Milan (vedoucí práce)
This paper describes basic methods used for optical character recognition. It explains all procedures of recognition from adjustment of picture, processing, feature extracting to matching algorithms. It compares methods and algorithms for character recognition obtained graphically distorted or else modified image so-called „captcha“, used in present. Further it compares method based on invariant moments and neural network as final classifier and method based on correlation between normals and recognized characters.
|
|
|
Rozpoznávání textu v obraze
Suchý, Václav ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá problematikou rozpoznávání textu v obraze. Rozebírá metody rozpoznávání, jejich úspěchy, klady a zápory. Popisuje postup při návrhu a implementaci jednoduchého ukázkového programu pro rozpoznávání strojově tištěného textu s využitím neuronových sítí.
|
|
|
Detekce a rozpoznání registrační značky vozidla pro analýzu dopravy
Černá, Tereza ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registračních značek vozidel. Práce je rozdělena do tří základních částí: detekce registračních značek, nalezení pozic znaků, rozpoznání znaků. Pro účely práce byla pořízena nová datová sada, která obsahuje 2814 registračních značek pro účely trénování klasifikátorů a 2620 značek pro vyhodnocení úspěšnosti. Pro detekci registračních značek byl natrénován kaskádový klasifikátor, který dosahuje úspěšnosti až 97,8 %. Ve všech nalezených pozicích jsou vyhledány pozice znaků. Pokud nejsou nalezeny, pak daný výřez není registrační značkou. Úspěšnost detekce po nalezení všech pozic znaků je až 88,5 %. Rozpoznání znaků probíhá pomocí natrénovaného SVM klasifikátoru. Systém úspěšně rozpozná bez chyby až 97,7 % všech správně nalezených registračních značek.
|
|
|
Active Learning pro zpracování archivních pramenů
Hříbek, David ; Zbořil, František (oponent) ; Rozman, Jaroslav (vedoucí práce)
V teto praci je reseno vytvoreni systemu, ktery umoznuje nahrani a anotaci skenu historickych dokumentu a nasledne aktivni doucovani modelu pro rozpoznavani znaku (OCR) na dostupnych anotacich (vyznacenych radcich a jejich prepisech). V praci je popsan proces, klasifikovany techniky a uveden existujici system pro rozpoznavani znaku. Predevsim je kladen duraz na metody strojoveho uceni. Dale jsou vysvetleny metody aktivniho uceni a navrhnut zpusob doucovani OCR modelu z anotovanych skenu. Zbytek prace se zabyva konkretnim navrhem, implementaci, dostupnymi datasety, vyhodnocenim uspesnosti rozpoznavani znaku vlastnorucne vytvoreneho OCR modelu a testovanim celeho systemu.
|
host ::
RSS.