Strojno raspoznavanje studentskih identifikacijskih brojeva iz matričnog predloška

master's thesis

• Title (english): Machine-based recognition of student identifiers from matrix template
• Author: Filip Pavičić
• Mentor: Marko Čupić (mentor)
• Committee member: Marko Čupić (predsjednik povjerenstva)
• Committee member: Jan Šnajder (član povjerenstva)
• Committee member: Siniša Šegvić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-07-14, Croatia

Abstract

Ovaj diplomski rad predstavlja novi pristup identifikaciji studenata tijekom ispita i
provjera znanja. Predložena metoda koristi matrični predložak na ispitu, gdje studenti
selektivno označavaju kvadratiće, unoseći znamenke koje odgovaraju njihovom jedinstvenom
matičnom broju akademskog građanina (JMBAG). Razvijen je specijalizirani
model dubokog učenja temeljen na modificiranoj U-Net arhitekturi, koji precizno prepoznaje
i interpretira označene kvadratiće unutar matričnog predloška. Razvijeni... More model
postiže visoku točnost u identifikaciji unesenih JMBAG-a unutar predloška uz zanemarivanje
šuma u podacima. Nadalje, razvijena je aplikacija koja koristi model kako
bi omogućila predviđanje osobnih brojeva studenata na temelju skeniranih dijelova ispita
koji sadrže predložak. Uvođenje ovog inovativnog sustava identifikacije predstavlja
značajan napredak u području ispita i provjere znanja, zamjenjujući konvencionalni
ručni unos osobnih podataka učinkovitim, brzim i točnim postupkom identifikacije. Less

Abstract (english)

This master’s thesis introduces a novel approach to student identification during
exams and knowledge tests. The proposed method utilizes a matrix template on the
exam sheet, where students selectively mark squares by entering digits corresponding
to their unique academic citizen identification number. A specialized deep learning
model, based on a modified U-Net architecture, has been developed to accurately recognize
and interpret the marked squares within the matrix template. The... More designed
model achieves high accuracy in identifying the entered student IDs within the template
while disregarding data noise. Furthermore, an application has been developed
that utilizes the trained model to provide the functionality of predicting student identification
numbers based on scanned sections of the exam containing the template. The
introduction of this innovative identification system represents a notable advancement
in the field of exams and knowledge tests, replacing the conventional manual entry of
personal data with an efficient, fast, and accurate identification procedure. Less

• Keywords: identifikacija studenata; detekcija s više oznaka; U-Net; autmatizirani proces identifikacije; model dubokog učenja
• Keywords (english): student identification; multi-label detection; U-Net; automated identification process; deep learning model
• Language: croatian
• URN:NBN: urn:nbn:hr:168:099119
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-10-11 10:03:08