Sustav za raspoznavanje teksta u fotografijama

završni rad

• Naslov (engleski): System for Text Recognition in Photographs
• Autor: Miroslav Bićanić
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Ivona Brajdić (član povjerenstva)
• Član povjerenstva: Karlo Slovenec (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovome radu analizira se postupak optičkog prepoznavanja teksta na slikama.
Navodi se općeniti opis postupka te njegova podjela na osnovne korake: predprocesiranje,
segmentaciju, klasifikaciju i postprocesiranje. Spominju se i OCR sustavi koji
već postoje na tržištu, kao što je Tesseract, te povijesni postupci kojima se problem
pojednostavljuje, kao što su posebno prilagođeni fontovi poput OCR-A.
Posebna pažnja dana je koracima segmentacije i klasifikacije, koji čine osnovu optičkog prepoznavanja teksta. Opisani su različiti načini na koje je moguće izvršiti te
korake, njihove prednosti i nedostatci, te česti problemi s kojima se razvojni programeri
susreću u implementaciji.
Kroz cijeli rad postepeno se uvodi i analizira implementirani sustav za optičko
prepoznavanje teksta, a posebno njegovi podsustavi za segmentaciju i klasifikaciju.
Podsustav za segmentaciju implementiran je algoritamski, dok se podsustav za klasifikaciju
oslanja na strojno učenje koristeći neuronsku mrežu. Na kraju su prikazani
rezultati razvijenog sustava na nekoliko primjera slika s tekstom.

Sažetak (engleski)

This paper analyses the process of optically recognizing text from images. The
general description of the process is given, as well as the division into its basic steps:
pre-processing, segmentation, classification and post-processing. Existing OCR systems,
such as Tesseract, are mentioned along with historical methods of simplifying
the problem, such as the utilization of specially adapted fonts like OCR-A.
Special attention is given to the steps of segmentation and classification, which
represent the core of optical text recognition. Various different approaches to these
steps are described, together with their benefits and drawbacks, and frequent problems
with which developers are faced when implementing such systems.
Throughout the paper, the implemented system for optical text recognition is gradually
introduced and described, especially its subsystems for segmentation and classification.
The segmentation subsystem utilizes an algorithmic approach, while the classification
subsystem relies on machine learning in the form of using a neural network.
In the end, the results of the developed system are shown on several examples of images
that contain text.

• Ključne riječi: segmentacija; klasifikacija; detekcija; strojno učenje; neuronske mreže; OCR; računalni vid
• Ključne riječi (engleski): segmentation; classification; detection; machine learning; neural networks; OCR; computer vision
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:733659
• 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: 2023-01-14 08:28:49