Optimalizace systémů pro rozpoznávání ručně psaného textu pomocí metod umělé inteligence

Ing. Jan PÁLKA

Doctoral thesis

Optimization of Systems for Handwritten text Recognition Using Artificial Intelligence Mathods

Abstract:

This thesis is focused on using self-learning functions in field of handwritten text recognition with focusing on recognition of text in czech language with diacritics. Principle of designed solution is based on neural networks field, specifically convolution neural network Neocognitron. In the first part is analysis of the problem of choosing the appropriate neural network Neocognitron, which assumption for its successful implementation in the designed system. Outputs from performed analysis are also used for optimalization process, which is based on searching solution for problematic recognition of diacritics in text. In the experimental part of this dissertation were created algorithms in the scripting environment Matlab working with neural networks for easy testing and presenting results. After testing and choosing suitable neural network for following work based on testing on the set of letters gathered from MNIST database from National Institute for Standards and Technologies in the USA was performed data collection using standardized forms to create own database of czech alphabet letters with diacritics. Next step was implementation of designed algorithms to the final system, containing component of intelligent preprocessing for elimination of negative effect caused by diacritics on recognition in C# language. This system was finally tested on testing apps created only for testing purposes.

Abstract:

Tato disertační práce se zabývá využitím samoučících funkcí v oblasti rozpoznávání ručně psaného písma se zaměřením na rozpoznávání textu v českém jazyce s diakritikou. Teorie navrženého řešení vychází z oblasti neuronových sítí, konkrétně konvoluční neuronové sítě Neocognitron. V úvodní části je zpracována problematika volby vhodné neuronové sítě pro účel daný tématem disertační práce. V dalších krocích se disertační práce zabývá analýzou konvoluční neuronové sítě Neocognitron, která je předpokladem pro její úspěšnou implementaci do algoritmů v navrženém systému. Výstupy z provedené analýzy slouží také pro proces optimalizace, který spočívá v nalezení řešení pro problematickou oblast rozpoznávání textu v českém jazyce, kterou je bezesporu diakritika. V experimentální části disertační práce byly nejdříve vytvořeny algoritmy ve skriptovacím prostředí Matlab, pracující s neuronovými sítěmi, za účelem jejich snadného testování a prezentace výsledků. Po otestování a výběru neuronové sítě pro další práci na sadě znaků, získaných z databáze MNIST z národního institutu pro standardy a technologie v USA, bylo přistoupeno k vytvoření vlastní databáze znaků české abecedy, včetně diakritiky. Za tímto účelem byl proveden sběr za pomoci vytvořených standardizovaných formulářů. Dalším krokem byla implementace navržených algoritmů do výsledného systému, obsahujícím komponentu inteligentního preprocesingu pro eliminaci negativního vlivu diakritiky na rozpoznávání v jazyce C#, a otestování tohoto systému na základě, dílčích, k tomu vytvořených, testovacích aplikacích.

Language used: English

Date on which the thesis was submitted / produced: 4. 10. 2013

Accessible from:: 4. 10. 2013

Thesis defence

Tomas Bata University in Zlín

Faculty of Applied Informatics

Doctoral programme / field:
Engineering Informatics / Engineering Informatics