Segmentacija rukom pisanih znakova korištenjem klasifikatora

diplomski rad

• Naslov (engleski): Handwritten Character Segmentation Using Classifiers
• Autor: Ivan Čapalija
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2016-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu su opisana i testirana dva sustava segmentacije rukom pisanih znakova. Prvi sustav se temelji na standardnim metodama računalnog vida kao što su: pomični prozor, predlaganje regija interesa i pretjerana segmentacija. Drugi sustav je baziran na dubokom učenju i gotovo je u cijelosti implementiran standardnim slojevima konvolucijskih neuronskih mreža.
Rezultati testiranja oba sustava su prikazani i objašnjeni. Pokazalo se da su lokalizacija i klasifikacija drugog sustava usporedivi s onima iz prvog sustava, ali brzina segmentacije drugog sustava je skoro dva reda veličine veća i to znači da se on može koristiti u stvarnom vremenu. Testiranjem je utvrđeno da oba sustava imaju prostora za poboljšanje, ali veće poboljšanje je moguće ostvariti u drugom pristupu. Izrazito bi teško bilo osposobiti prvi sustav da radi brzo kao drugi.

Sažetak (engleski)

In this thesis, two systems for segmentation of handwritten characters have been elaborated and tested. The first system is based on standard computer vision methods such as: sliding window, region proposal and over-segmentation. The second system is based on deep learning and almost all components of this system are implemented as standard layers used in convolutional neural networks.
Testing results of both systems are shown and explained. It is concluded that classification and localization results of both systems are similar, but segmentation process of the second system is almost 100 times faster and that means that the second system can be used in real time. Results of testing showed that both systems can be improved, but bigger improvements can be made on the second system. It would be extremely difficult to improve the speed of the first system to match the speed of the second system.

• Ključne riječi: računalni vid; optičko raspoznavanje znakova; segmentacija; duboko učenje; konvolucijske neuronske mreže
• Ključne riječi (engleski): computer vision; optical character recognition; segmentation; deep learning; convolutional neural networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:642609
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 08:16:06