Primjena modela dubokog učenja za prepoznavanje teksta u minskim zapisnicima

diplomski rad

• Naslov (engleski): Application of deep learning models for text recognition in mine records
• Autor: Klara Krmpotić
• Mentor: Marko Horvat (mentor)
• Član povjerenstva: Marko Horvat (predsjednik povjerenstva)
• Član povjerenstva: Gordan Gledec (član povjerenstva)
• Član povjerenstva: Boris Vrdoljak (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-09, Hrvatska

Sažetak

Humanitarno razminiranje je proces uklanjanja minsko-eksplozivnih prepreka iz poslijeratnih područja. Prikupljanje informacija i podataka u njima se zapisuje u strukturno definirane zapisnike koji su rukom ispunjavani. Razvojem područja računalnog vida, omogućilo se da se te zapisnike digitalizira i učiniti ih dostupnima u digitalnom formatu, time se postiže brža obrade i analize tih podataka.
U ovome radu s namjerom da se pročita tekst s minskih zapisnika. To se postiglo treniranjem modela za detekciju objekata, YOLO modela, koji je postavio okvire oko teksta na zapisniku te se zatim pomoću OCR pročitao napisani tekst. Model je treniran više puta, koristeći različite veličine ulaznih slika, da se mogu usporediti rezultati. Koristeći određene mjere pouzdanosti, provjerilo se jesu li dobiveni rezultate dobri predstavnici skupa podataka. Također su navedena i moguća poboljšanja koja se u budućim istraživanjima mogu primijeniti.

Sažetak (engleski)

Humanitarian demining is the process of detecting and removing mine-explosive devices from post-war areas. Gathered information and data is recorded in structurally defined records that are filled in by hand. With the development of the field of computer vision, it was possible to digitize these records and make them available in a digital format, thereby achieving faster processing and analysis of data gathered.
Purpose of this thesis is to read the text from these mine records. This was achieved by training an object detection model, the YOLO model, which placed bounding boxes around the text on the log and then read the written text using OCR. The model was trained multiple times, using different sizes of input images, to compare the results. Using certain reliability measures, it was checked whether the obtained results were good representatives of the data set. Possible improvements that can be applied in future research are also discussed.

• Ključne riječi: YOLO model; OCR; minski zapisnik; mjera pouzdanosti; računalni vid; Python; granični okvir
• Ključne riječi (engleski): YOLO model; OCR; minefield records; confidence score; computer vision; Python; bounding boxes
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:612152
• 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: 2024-10-12 21:13:35