Metódy pre rozpoznávanie písaného písma – Andrej Ovečka
Andrej Ovečka
Bakalářská práce
Metódy pre rozpoznávanie písaného písma
Hand-writing Recognition Methods
Anotace:
Témou tejto práce sú metódy pre rozpoznávanie ručne písaného písma. Cieľom je tieto metódy popísať a porovnať. Práca je rozdelená na dve časti, teoretickú a praktickú. V teoretickej časti sú popísané jednotlivé metódy, ktoré sa pri rozpoznávaní písma používajú a datasety s výsledkami opísaných klasifikátorov. Praktická časť práce sa venuje prieskumu a testovaniu konkrétnych aplikácií. Záver práce je …víceAbstract:
The topic of this thesis is handwriting recognition methods. The aim is to describe and compare these methods. The thesis is divided into two parts, theoretical and practical. The theoretical part describes various methods used in hand-writing recognition and datasets with the results of the described classifiers. The practical part of this thesis deals with the research and testing of specific applications …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 10. 8. 2020
Obhajoba závěrečné práce
Citační záznam
Jak správně citovat práci
Ovečka, Andrej. Metódy pre rozpoznávanie písaného písma. Zlín, 2020. bakalářská práce (Bc.). Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Univerzita Tomáše Bati ve Zlíně, Fakulta aplikované informatikyPlny text prace je k dispozici v elektronicke podobe
Univerzita Tomáše Bati ve Zlíně
Fakulta aplikované informatikyBakalářský studijní program / obor:
Inženýrská informatika / Softwarové inženýrství
Práce na příbuzné téma
-
Labeled Dataset of Speed Climbing Performances
Veronika Škvarlová -
Explaining Features of LSTM Model Learned on Human Motion Data
Tomáš Jevočin -
Action Detection in 3D Skeleton Data using LSTM Networks
Róbert Kolcún -
Protein solubility prediction using CNN and CNN-LSTM hybrid models
Ekaterina SYSOYKOVA -
Auto-Encoding Amino Acid Sequences with LSTM
Markus PROMBERGER -
Modul LSTM a Rekurentních neuronových sítí pro program Modeler neuronových sítí
Jiří Lagan -
Genomická predikce založená na hlubokém učení pomocí sítí LSTM
Daniel Komjaty -
A Comparision of GNNs and LSTMs for Process Mining Applications
Aayam KHADKA