|
| |
|
|
Editor kaligrafie s rozpoznáváním japonských znaků
Horáček, Petr ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Práce řeší problematiku vytvoření aplikace pro podporu výuky japonských znaků. Její součástí je i stručný přehled vývoje a podob japonského písma. Diskutuje některá existující řešení a na základě jejich studia stanovuje požadavky na aplikaci. Rozebírá problémy, které je třeba v souvislosti s nimi řešit, a snaží se navrhnout možné postupy. Důležitou částí je rozpoznávání znaků. Následně práce popisuje zvolená řešení a jejich implementaci. Na závěr shrnuje a demonstruje dosažené výsledky a diskutuje možnosti dalšího vývoje systému.
|
|
| |
|
| |
|
|
Metody využívané pro OCR
Čermák, Marek ; Marada, Tomáš (oponent) ; Zuth, Daniel (vedoucí práce)
Ačkoli je OCR (Optické rozpoznávání znaků – Optical Character Recognition) problematikou sahající do druhé poloviny dvacátého století, dostalo se mu v současnosti velké pozornosti v souvislosti s počítačovým viděním a detekcí objektů. V této práci bude popsána historie OCR a stručně budou zmíněny techniky doposud používané pro OCR. Pozornost bude soustředěna na současné metody rozpoznávání textu, tedy na soft computing. Protože v této oblasti zastávají největší roli neuronové sítě, budou zmíněny a popsány některé architektury a následně bude realizován software pro rozpoznávání alfanumerických znaků pomocí konvoluční neuronové sítě.
|
|
|
Aplikace neuronových sítí ve zpracování obrazu
Nagyová, Lenka ; Svobodová,, Jitka (oponent) ; Boleček, Libor (vedoucí práce)
Tato práce se věnuje teorii umělých neuronových sítí: historii, jednotlivým způsobům učení a architektuře sítí. Dále je nezbytné popsat bloky zpracování obrazu od snímání a předzpracování obrazu přes segmentaci až po klasifikaci objektů. Další část práce je zaměřena na propojení předchozích dvou a tedy na využití neuronových sítí ve zpracování obrazu, konkrétně na identifikaci objektů. V poslední praktické části je navržena uživatelská aplikace rozpoznávající znaky jako jsou číslice, malá a velká písmena.
|
|
|
Detection and Recognition of License Plates
Tykva, Jiří ; Zemčík, Pavel (oponent) ; Juránek, Roman (vedoucí práce)
The goal of this Bachelor's thesis is to design, implement, and test a system that can detect and recognize license plates in real-time by using neural networks. The collected data will be saved into the database. The system's architecture is divided into three main parts. The first part handles the license plate detection in the image by making use of the TensorFlow Object Detection API. The detector reaches the accuracy of 98.15 % AP with a speed of roughly 14 fps. The second part deals with license plate tracking by using the algorithm SORT. The third part holistically recognizes the text of the license plate and can reach up to 0.6% character error rate and 2% word error rate. The system may be used by law enforcement for purposes such as for keeping track of stolen vehicles or for the automatic road tolling.
|
|
|
Metody využívané pro OCR
Čermák, Marek ; Marada, Tomáš (oponent) ; Zuth, Daniel (vedoucí práce)
Ačkoli je OCR (Optické rozpoznávání znaků – Optical Character Recognition) problematikou sahající do druhé poloviny dvacátého století, dostalo se mu v současnosti velké pozornosti v souvislosti s počítačovým viděním a detekcí objektů. V této práci bude popsána historie OCR a stručně budou zmíněny techniky doposud používané pro OCR. Pozornost bude soustředěna na současné metody rozpoznávání textu, tedy na soft computing. Protože v této oblasti zastávají největší roli neuronové sítě, budou zmíněny a popsány některé architektury a následně bude realizován software pro rozpoznávání alfanumerických znaků pomocí konvoluční neuronové sítě.
|
|
| |
|
|
Rozpoznávání znaků v digitalizovaných matematických výrazech
Haas, František ; Valla, Tomáš (vedoucí práce) ; Mareš, Martin (oponent)
Cílem bakalářské práce je nalezení vhodných metod a algoritmů pro segmentaci textu a rozpoznávání symbolů pomocí umělých neuronových sítí. Nejdříve se práce věnuje základním principům umělého neuronu a umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak algoritmu zpětného šíření a stochastického algoritmu Levenberga-Marquardta. Dále se pak práce věnuje zpracování obrazu a jeho segmentaci na jednotlivé symboly pomocí grafových algoritmů. Součástí této práce je i implementace těchto metod a algoritmů v aplikaci, která zpracovává digitalizované matematické výrazy a převádí je do vektorového formátu.
|
host ::
RSS.