Bakalářská práce popisuje metody rozpoznávání obrazu, založené na učení z velkého množství trénovacích dat. Popis metod je doplněn o praktické výsledky každé metody. Dále je zde popis chování každé metody s různou rozsáhlostí trénovacích dat. Součástí této práce je vytvoření databáze velkých tiskacích písmen. V závěru je nejúspěšnější metoda použita pro rozpoznávání písmen v reálném čase.
Metody rozpoznávání a programy pro vytvoření databáze a rozpoznávání písmen, jsou napsány v C++. Tyto programy používají tři knihovny: OpenCV pro zpracování obrazu, Eigen pro rychlé maticové výpočty a Qt pro tvorbu uživatelského rozhraní.
Anotace v angličtině
Bachelor thesis describes methods of image recognition, based on learning from large quantity of training data. Description of methods is complemented with results from each method. Also, there is description of each method's behavior with different sizes of training data. Part of this thesis is creation of database, made from block capital letters. In the end, the most succesful method is used for recognition of letters in real time.
Recognition methods and programs for creation of database and recognizing letters, are written in C++. Those programs use three libraries: OpenCv for image processing, Eigen for fast matrix computations and Qt for user interface.
Nearest neighbor, neural network, convolutional neural network, database of letters, letter recognition
Rozsah průvodní práce
52
Jazyk
CZ
Anotace
Bakalářská práce popisuje metody rozpoznávání obrazu, založené na učení z velkého množství trénovacích dat. Popis metod je doplněn o praktické výsledky každé metody. Dále je zde popis chování každé metody s různou rozsáhlostí trénovacích dat. Součástí této práce je vytvoření databáze velkých tiskacích písmen. V závěru je nejúspěšnější metoda použita pro rozpoznávání písmen v reálném čase.
Metody rozpoznávání a programy pro vytvoření databáze a rozpoznávání písmen, jsou napsány v C++. Tyto programy používají tři knihovny: OpenCV pro zpracování obrazu, Eigen pro rychlé maticové výpočty a Qt pro tvorbu uživatelského rozhraní.
Anotace v angličtině
Bachelor thesis describes methods of image recognition, based on learning from large quantity of training data. Description of methods is complemented with results from each method. Also, there is description of each method's behavior with different sizes of training data. Part of this thesis is creation of database, made from block capital letters. In the end, the most succesful method is used for recognition of letters in real time.
Recognition methods and programs for creation of database and recognizing letters, are written in C++. Those programs use three libraries: OpenCv for image processing, Eigen for fast matrix computations and Qt for user interface.
Nearest neighbor, neural network, convolutional neural network, database of letters, letter recognition
Zásady pro vypracování
Seznamte se s problematikou moderních neuronových sítí, zejména tzv. hlubokých a konvolučních, a s jejich využitím při rozpoznávání obrazů.
Vytvořte rozsáhlý soubor ručně psaných písmen české abecedy (bez diakritiky) od několika desítek různých lidí. Pro pořízení dat vytvořte vhodný automatizovaný nástroj.
Data rozdělte do trénovací, vývojové a testovací sady.
Navrhněte a implementujte několik různých metod, jejichž cílem bude naučit se co nejlépe klasifikovat ručně psaná písmena, a to zejména s využitím hlubokých dopředných a konvolučních sítí.
Podrobně vyhodnoťe všechny použité přístupy a dosažené výsledky.
Vytvořte aplikaci, která bude v reálném čase rozpoznávat písmena zapsaná do připraveného formuláře.
Zásady pro vypracování
Seznamte se s problematikou moderních neuronových sítí, zejména tzv. hlubokých a konvolučních, a s jejich využitím při rozpoznávání obrazů.
Vytvořte rozsáhlý soubor ručně psaných písmen české abecedy (bez diakritiky) od několika desítek různých lidí. Pro pořízení dat vytvořte vhodný automatizovaný nástroj.
Data rozdělte do trénovací, vývojové a testovací sady.
Navrhněte a implementujte několik různých metod, jejichž cílem bude naučit se co nejlépe klasifikovat ručně psaná písmena, a to zejména s využitím hlubokých dopředných a konvolučních sítí.
Podrobně vyhodnoťe všechny použité přístupy a dosažené výsledky.
Vytvořte aplikaci, která bude v reálném čase rozpoznávat písmena zapsaná do připraveného formuláře.
Seznam doporučené literatury
\renewcommand{\labelenumi}{[\arabic{enumi}]}
Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence (1), Academia, Praha, 1993.
Bishop Ch.: Pattern Recognition and Machine Learning. Springer, 2006.
Online kurz "Machine Learning", dostupný na https://www.coursera.org/learn/machine-learning
Online kurz "Deep Neural Networks", dostupný na http://cs231n.stanford.edu/index.html
Seznam doporučené literatury
\renewcommand{\labelenumi}{[\arabic{enumi}]}
Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence (1), Academia, Praha, 1993.
Bishop Ch.: Pattern Recognition and Machine Learning. Springer, 2006.
Online kurz "Machine Learning", dostupný na https://www.coursera.org/learn/machine-learning
Online kurz "Deep Neural Networks", dostupný na http://cs231n.stanford.edu/index.html
Přílohy volně vložené
1 CD
Přílohy vázané v práci
ilustrace, grafy, tabulky
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Průběh obhajoby je zveřejněn pouze přihlášenému uživateli.