|
|
Optical Character Recognition Using Convolutional Networks
Csóka, Pavel ; Behúň, Kamil (referee) ; Hradiš, Michal (advisor)
This thesis aims at creation of new datasets for text recognition machine learning tasks and experiments with convolutional neural networks on these datasets. It describes architecture of convolutional nets, difficulties of recognizing text from photographs and contemporary works using these networks. Next, creation of annotation, using Tesseract OCR, for dataset comprised from photos of document pages, taken by mobile phones, named Mobile Page Photos. From this dataset two additional are created by cropping characters out of its photos formatted as Street View House Numbers dataset. Dataset Mobile Nice Page Photos Characters contains readable characters and Mobile Page Photos Characters adds hardly readable and unreadable ones. Three models of convolutional nets are created and used for text recognition experiments on these datasets, which are also used for estimation of annotation error.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (referee) ; Kolář, Martin (advisor)
Cieľom práce je vygenerovať satelitný optický snímok v prípade jeho nedostupnosti. Takýto snímok je vygenerovaný z aktuálneho radarového snímku a za pomoci radarových a optických snímkov z minulosti. Zameranie práce cieli na poľnohospodárstvo, kde sa na analýzu dát používajú rôzne vegetačné indexy. Pre zjednodušenie problematiky je práca zameraná len na optický snímok zobrazujúci NDVI. Boli vytvorené 4 dátové sady, pre prvé tri ročné obdobia a~štvrtý, ktorý ich spája. Pre riešenie problému preloženia obrázku z jedného na druhý bol použitý model Pix2Pix-cGAN. Výsledky práce zobrazujú rozdiely pri použití dátových sád, rozličného množstva a~typu použitých snímkov, tak ako aj intervalu medzi snímkami. Daným výskumom bolo zistené, že sieť je schopná vytvárať reálne uveriteľné obrázky s validnými numerickými hodnotami, avšak má problém správne využiť informáciu o radarovej zmene, ktorá je dôležitá pre ohodnotenie vývoja rastlín práve v prípade nedostupnosti optického snímku. Táto práca a~jej výsledky sú jedinečné vďaka naprieč Európou geograficky rozmanitej dátovej sade a vďaka zameraniu na agrikultúru, a to bez ohľadu na typ plodín.
|
|
|
Visual Anomaly Detection in Industrial Production
Lukaszczyk, Jakub ; Petyovský, Petr (referee) ; Horák, Karel (advisor)
This work deals with the detection of anomalies in image data taken on an industrial product. The first part outlines the problem and approaches to its solution using deep learning. Then, some of the architectures that can be used for this task are discussed. The practical part then describes the platform for industrial inspection, the software used and the creation of the annotated dataset. The software is extended with features for controlling the platform and working with multiple cameras. The last section deals with experiments designed to investigate the effect of the dataset on the resulting model and the estimation of its performance. The experiments evaluate the influence in both training and testing phases.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (referee) ; Kolář, Martin (advisor)
Cieľom práce je vygenerovať satelitný optický snímok v prípade jeho nedostupnosti. Takýto snímok je vygenerovaný z aktuálneho radarového snímku a za pomoci radarových a optických snímkov z minulosti. Zameranie práce cieli na poľnohospodárstvo, kde sa na analýzu dát používajú rôzne vegetačné indexy. Pre zjednodušenie problematiky je práca zameraná len na optický snímok zobrazujúci NDVI. Boli vytvorené 4 dátové sady, pre prvé tri ročné obdobia a~štvrtý, ktorý ich spája. Pre riešenie problému preloženia obrázku z jedného na druhý bol použitý model Pix2Pix-cGAN. Výsledky práce zobrazujú rozdiely pri použití dátových sád, rozličného množstva a~typu použitých snímkov, tak ako aj intervalu medzi snímkami. Daným výskumom bolo zistené, že sieť je schopná vytvárať reálne uveriteľné obrázky s validnými numerickými hodnotami, avšak má problém správne využiť informáciu o radarovej zmene, ktorá je dôležitá pre ohodnotenie vývoja rastlín práve v prípade nedostupnosti optického snímku. Táto práca a~jej výsledky sú jedinečné vďaka naprieč Európou geograficky rozmanitej dátovej sade a vďaka zameraniu na agrikultúru, a to bez ohľadu na typ plodín.
|
|
|
Optical Character Recognition Using Convolutional Networks
Csóka, Pavel ; Behúň, Kamil (referee) ; Hradiš, Michal (advisor)
This thesis aims at creation of new datasets for text recognition machine learning tasks and experiments with convolutional neural networks on these datasets. It describes architecture of convolutional nets, difficulties of recognizing text from photographs and contemporary works using these networks. Next, creation of annotation, using Tesseract OCR, for dataset comprised from photos of document pages, taken by mobile phones, named Mobile Page Photos. From this dataset two additional are created by cropping characters out of its photos formatted as Street View House Numbers dataset. Dataset Mobile Nice Page Photos Characters contains readable characters and Mobile Page Photos Characters adds hardly readable and unreadable ones. Three models of convolutional nets are created and used for text recognition experiments on these datasets, which are also used for estimation of annotation error.
|
guest ::
