Architektury neuronových sítí pro rozpoznání objektů v digitálních fotografiích

Ing. Adéla Hamplová

Disertační práce

Neural Network architectures for object recognition in digital photographs

Anotace:

Tato disertační práce je souborem vědeckých článků pojednávajících o tématu neuronových sítí vhodných pro rozpoznávání obrazu na digitálních fotografiích. Vzhledem k tomu, že toto téma je velmi široké a obecné, zabývá se tato disertační práce především využitím neuronových sítí vhodných pro rozpoznávání textů, konkrétně dvou historických abeced - palmyrské abecedy, která se používala k zápisu textů v palmyrském dialektu aramejštiny, a klínového písma. Na příkladu palmýrské abecedy je představen vlastní kaskádový postup pro vytvoření algoritmu OCR, který identifikuje jednotlivé znaky pomocí segmentační neuronové sítě a vyhodnocuje, který znak je správný, pomocí vlastního optimálního klasifikátoru. Hotové řešení je prezentováno v mobilní a webové aplikaci. Ke zpřesnění výsledků klasifikátoru pomocí trénování na rozšířeném souboru dat byly použity neuronové sítě typu GAN a byly zkoumány jejich vlastnosti. Naopak analýza klínového písma byla provedena pomocí algoritmu pro detekci objektů, kdy byly jednotlivé tahy v obraze detekovány a překresleny na prázdné plátno pomocí vlastního skriptu. Domnívám se, že přínos této práce je nejen teoretický, ale především praktický.

Abstract:

This dissertation is a collection of scientific articles discussing the topic of neural networks suitable for image recognition in digital photographs. Since the topic is very broad and general, this dissertation specifically investigates the use of neural networks suitable for text recognition, namely two historical alphabets – the Palmyrene alphabet, which was used to write texts in the Palmyrene dialect of Aramaic, and the cuneiform script. Using the Palmyrene alphabet as an example, a custom cascade pipeline is presented to build an OCR algorithm that identifies individual characters using a segmentation neural network, and evaluates which character is the correct one using a custom optimal classifier. The finished solution is presented in a mobile and web application. To refine the results of the classifier using training on the augmented dataset, GAN type neural networks were used, and their features were investigated. On the other hand, cuneiform analysis was performed using an object detection algorithm, where individual strokes in the image were detected and redrawn onto a blank canvas using a custom script. I believe that the contribution of this work is not only theoretical, but above all practical.

Klíčová slova

umělá inteligence, počítačové vidění, detekce objektů, konvoluční neuronové sítě, augmentace dat, segmentace textu

Keywords

Artificial Intelligence, Computer Vision, Object Detection, Convolutional Neural Networks, Data Augmentation, Text Segmentation, Pattern Recognition

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 18. 6. 2024

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Arnošt Veselý, CSc.
• Oponent: Jan Tyrychtr, Ph.D.

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Doktorský studijní program:
Systémové inženýrství a informatika