|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Smejkal, Vojtěch ; Fapšo, Michal (oponent) ; Plchot, Oldřich (vedoucí práce)
Práce se zabývá rozpoznáváním velkých písmen a číslic hůlkového písma pomocí neuronových sítí. Rozebírá použité algoritmy pro segmentaci textu, metody extrakce příznaků a problematiku učení sítě pomocí zpětného šíření chyb. Jsou zde také popsány provedené experimenty s různými konfiguracemi nad datovými sadami. Pro trénování nových sítí a testování jejich úspěšnosti byla vytvořena demonstrační aplikace s grafickým rozhraním s možností interaktivního rozpoznávání myší psaného textu.
|
|
|
Jednoduché rozpoznávání písma
Hamrský, Jan ; Svoboda, Pavel (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá vyhledáním a rozpoznáváním textu v obraze. Rozebírá problematiku extrakce příznaků a jejich použití při strojovém učení. Popisuje postup při návrhu a implementaci jednoduché aplikace pro rozpoznávání znaků strojově psaného textu.
|
|
|
Nástroj pro analýzu psaní uživatele na klávesnici
Moltaš, Jaroslav ; Szőke, Igor (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá analýzou psaní uživatele na klávesnici v systému Windows. Je zde popsána technika hmatové metody sloužící pro rychlé psaní na klávesnici. Dále jsou v práci rozvedeny možnosti zachytávání kláves a tvorby grafického uživatelského rozhraní ve Windows. Součástí zprávy je také popis segmentace napsaného textu a techniky vyhodnocování úrovně psaní. Další část rozebírá implementaci systému. Výsledná aplikace shromažďuje data o psaní uživatele na klávesnici a vyhodnocuje kvalitu psaní a chybovost.
|
|
|
Automatické hledání vazeb mezi částmi audiovizuálních dokumentů
Sychra, Marek ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá tématem hledání tématu v textu. Konkrétně hledání spojitostí mezi krátkými texty a hledání hranic jednotlivých částí stejného tématu v jednom hlavním textu. Hlavní motivací výzkumu bylo zavedení do praxe a to v rámci aplikace na přednáškové materiály na FIT (provázání jednotlivých částí různých přednášek). Přístup k porovnávání textů spočívá v analýze textu a slov, která obsahuje a zjišťování významu a důležitosti jednotlivých slov. Segmentace textu toto využívá, když hledá předěly mezi tématy v textu. Obě části problému ( link detection, story segmentation ) měly velmi vysokou úspěšnost na testovacích datech (zprávy ze světových novin). Při subjektivním vyhodnocování u částí přednášek byla úspěšnost nižší, ale stále dobrá.
|
|
| |
host ::
RSS.