Očitavanje rukom pisanog niza znamenki

undergraduate thesis

• Title (english): Recognition of handwriten stream of digits
• Author: Vilim Sivec
• Mentor: Marko Čupić (mentor)
• Committee member: Marko Čupić (predsjednik povjerenstva)
• Committee member: Josip Jukić (član povjerenstva)
• Committee member: David Dukić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-07-04, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U ovome radu riječ je o teoriji koja stoji iza procesiranja fotografija rukom pisanog niza znamenki namijenjenih za ulaz u klasifikacijski model znamenki i o modelu, konvolucijskoj neuronskoj mreži. Teorijski dio je popraćen slikama i isječcima iz koda praktične implementacije sustava raspoznavanja niza znamenki sa fotografije u programskom jeziku Java.

U prvom poglavlju je opisano kako se obrađuje i priprema slika za ulaz u neuronsku mrežu, zatim slijedi opis umjetnih neuronskih mreža općenito i konvolucijskih neuronskih mreža kakva je korištena za klasifikaciju. Sljedeće poglavlje orijentirano je na učenje konvolucijskih neuronskih mreža raspoznavanju uzoraka i u posljednjem poglavlju je niz primjera i slika vezanih uz to kako je implementirana mreža učena i kakve je rezultate dala.

Abstract (english)

This paper discusses the theory behind processing images of handwritten digit sequences intended as input for a digit classification model and the model itself, a convolutional neural network. The theoretical section is accompanied by images and code snippets from the practical implementation of the digit sequence recognition system using the Java programming language.

The first chapter describes how to process and prepare an image for input into the neural network. This is followed by a general overview of artificial neural networks and convolutional neural networks, specifically the type used for classification in this paper. The next chapter focuses on training convolutional neural networks to recognize patterns. In the final chapter, there are several examples and images related to how the network was trained and the results it produced.

• Keywords: obrada slika; umjetne neuronske mreže; duboko učenje; klasifikacija; algoritam propagacije pogreške unazad; računalni vid; konvolucija; rukom pisane znamenke
• Keywords (english): image processing; artificial neural networks; deep learning; classification; backpropagation algorithm; computer vision; convolution; handwritten digits
• Language: croatian
• URN:NBN: urn:nbn:hr:168:169772
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2024-10-12 22:06:22