Zpracování obrazu egyptských hieroglyfů metodami hlubokého učení

Ing. Petra Andrejsková

Master's thesis

Image processing of Egyptian hieroglyphs by deep learning methods

Abstract:

Diplomová práce se soustředí na aplikaci konvoluční neuronové sítě, která bude schopna rozpoznat egyptské hieroglyfy. Hlavním smyslem a účelem závěrečné diplomové práce bude: a)Vysvětlit teoretické zásady hlubokého učení v souvislosti s jeho uplatněním v oblasti identifikace a klasifikace egyptských hieroglyfů, popsat historický vývoj etap konvolučních sítí a poukázat na některé reálné příklady aplikace CNN, b)analyzovat datový soubor pro lepší pochopení jeho struktury a následné upravení dat tak, aby byla vhodná pro řešení výše uvedené problematiky, c)sestavit a optimalizovat sekvenční více klasifikační model konvoluční neuronové sítě, d)ověřit funkčnost navrženého řešení a prezentovat výsledky, e)generalizovat ověřené postupy pro další možné využití. Stěžejními nástroji ke zpracování praktické části budou metody a techniky hlubokého učení, zejména konvoluční neuronové sítě. Realizace proběhne za pomoci programovacího jazyka Python, a především využití knihoven Keras a TensorFlow. Navrhované řešení bude brát v úvahu definované požadavky a očekávání spojená s řešením problematiky. Na základě syntézy teoretických poznatků a dosažených výsledků budou formulovány závěry diplomové práce a následně generalizovány pro další možné použití a aplikace.

Abstract:

The master's thesis focuses on the application of a convolutional neural network capable of recognizing Egyptian hieroglyphs. The main purpose and objective of the final work will be: a)To explain the theoretical principles of deep learning in relation to its application in the field of identification and classification of Egyptian hieroglyphs, describe the historical development stages of convolutional networks, and point out some real examples of CNN application, b)To analyse the data set for a better understanding of its structure and subsequent data modification to be suitable for solving the above-mentioned issues, c)To compile and optimize a sequential multi-classification model of a convolutional neural network, d)To verify the functionality of the proposed solution and present the results, e)To generalize the verified procedures for further possible use. The key tools for processing the practical part will be methods and techniques of deep learning, especially convolutional neural networks. The implementation will be carried out with the help of the Python programming language, and mainly the use of Keras and TensorFlow libraries. The proposed solution will take into account the defined requirements and expectations associated with solving the issue. Based on the synthesis of theoretical knowledge and achieved results, the conclusions of the master's thesis will be formulated and subsequently generalized for further possible use and applications.

Keywords

zpracování obrazu, konvoluční neuronová síť, egyptské hieroglyfy, klasifikace, hluboké učení

Keywords

deep learning, image processing, classification, convolutional neural network, Egyptian hieroglyphs

Language used: Czech

Date on which the thesis was submitted / produced: 30. 3. 2024

Thesis defence

• Date of defence: 5. 6. 2024
• Supervisor: doc. Ing. Arnošt Veselý, CSc.
• Reader: Richard Vágner, externi

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme:
Informatika