Lokalizacija i očitavanja rukom pisanih bodova studenta

završni rad

• Naslov (engleski): Localization and Recognition of Handwritten Student Scores
• Autor: Domagoj Pluščec
• Mentor: Marko Čupić (mentor)
• Član povjerenstva: Marko Čupić (predsjednik povjerenstva)
• Član povjerenstva: Miroslav Popović (član povjerenstva)
• Član povjerenstva: Mladen Karan (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Prilikom ispravljanja ispita koje piše veliki broj studenata ukazuje se potreba za sustavom za raspoznavanje rukom pisanih bodova studenata sa skeniranih slika.
U okviru ovog završnog rada opisan je i implementiran sustav za lokalizaciju i očitavanja rukom pisanih bodova studenata. Proces obrade obrasca za ocjenjivanje se sastojao od skeniranja obrasca, obrade slike, segmentacije znamenki bodova, klasifikacije znamenki te stvaranja izlazne datoteke.
Za obradu obrasca odabrani su algoritam minimalnog intenziteta za pretvaranje boje u nijanse sive te globalni algoritam fiksnog praga za binarizaciju slike. Segmentacija slike je provedena koristeći algoritam povezanih komponenti nakon kojeg je provedeno filtriranje suvišnih segmenata. Korišteni postupak segmentacije je postizao ukupnu stopu uspješne segmentacije od 78.51%. Klasifikacija znamenaka je provedena koristeći unaprijednu slojevitu neuronsku mrežu treniranu algoritmom propagacije pogreške unatrag. Korišteni klasifikator je postizao 82.41% uspješne stope klasifikacije na skupu primjera znamenki za testiranje.
Rezultat ukupne obrade obrazaca je iznosio 38% uspješne obrade ćelija od ukupno 1848 obrađenih ćelija.

Sažetak (engleski)

When examining a large number of student exams, there is a need for an automatic system for localization and recognition of handwritten student scores.
In this bachelor's thesis a system for localization and recognition of handwritten student scores has been analysed and implemented. The analysis process consisted of form scanning, image processing, digit segmentation, digit classification and output file creation.
For processing the form, a minimal intensity algorithm for converting image to grayscale was used and a fixed global threshold algorithm for image binarization. Number segmentation was performed using the connected-component labeling algorithm after which the filtering of the redundant segments was performed. The segmentation process used achieved the overall rate of successful segmentation of 78.51%. Digit classification was performed using feedforward neural network trained with backpropagation algorithm. The classifier used achieved successful classification rate of 82.41% on test set. The total result of the form processing system was 38% of the total of 1848 processed form fields.

• Ključne riječi: raspoznavanje rukom pisanih znamenaka; segmentacija znamenaka; klasifikacija znamenaka; neuronska mreža; propagacija pogreške unazad; lokalizacija teksta; obrada slike; algoritam označavanja povezanih komponenti
• Ključne riječi (engleski): handwritten digit recognition; digit segmentation; digit classification; feedforward neural network; backpropagation; text localization; image processing; ocr; connected-component labeling algorithm
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:387599
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 00:03:13