Role optického rozpoznávání textu pomocí hlubokého učení v konceptu Průmysl 4.0

Boris Pustějovský

Master's thesis

The Role of Optical Text Recognition Using Deep Learning in the Industry 4.0 Concept

Abstract:

Tato diplomová práce pojednává o praktické implementaci metod optického rozpoznání textu pomocí neuronových sítí. V rámci praktické implementace jsou zvoleny dvě architektury pro lokalizaci textu v obrazových datech, jež jsou kombinovány s modely pro rozpoznávání textu v lokalizovaných datech. Na začátku práce je proveden teoretický rozbor nástrojů a metrik využitých při praktické implementaci. Praktická implementace popisuje metody předzpracování a augmentace dat, implementaci zvolených architektur neuronových sítí. Pro úlohu lokalizace textu jsou zvoleny architektury DBNet a U-Net, pro úlohu rozpoznání textu jsou zvoleny architektury pro vícetřídní klasifikaci, jedna s konvenčními metodami extrakce znaků z lokalizovaného textu, a jedna s LSTM vrstvami. Pro diplomovou práci je zvolen dataset SMD součástek. Výsledkem diplomové práce je porovnání naučených modelů vybraných architektur pomocí zvolených metrik jak pro úlohu lokalizace textu, tak pro úlohu rozpoznání textu z lokalizovaného snímku.

Abstract:

This thesis deals with the practical implementation of optical text recognition methods using neural networks. In the practical implementation, two architectures for text localization in image data are chosen and combined with models for text recognition in localized data. At the beginning of the thesis, a theoretical analysis of the tools and metrics used in the practical implementation is performed. The practical implementation describes the methods of data preprocessing and augmentation, and the implementation of the chosen neural network architectures. DBNet and U-Net architectures are chosen for the text localization task, multi-class classification architectures are chosen for the text recognition task, one with conventional methods for extracting features from localized text, and one with LSTM layers. For the thesis is chosen a dataset of SMD components. As a result, the thesis compares learned models of the selected architectures using the selected metrics for text localization and text recognition task from the localized image.

Keywords

optické rozpoznávání textu, OCR, průmysl 4.0, hluboké učení, lokalizace textu, TensorFlow

Keywords

optical character recognition, OCR, Industry 4.0, deep learning, text localization, TensorFlow

Language used: Czech

Date on which the thesis was submitted / produced: 30. 4. 2024

Thesis defence

• Date of defence: 3. 6. 2024
• Supervisor: Petr Bilík
• Reader: René Jaroš

VSB – Technical University of Ostrava

Fakulta elektrotechniky a informatiky

Master programme:
Průmysl 4.0