Interaktivna semantička segmentacija rukom pisanih znakova

Sažetak na hrvatskom: U ovom radu su obrađena dva pristupa semantičkoj segmentaciji rukom pisanog teksta. Prvi pristup je statistički temeljen na histogramima boja i uvjetnim vjerojatnostima. Pritom je analiziran utjecaj koji veličina histograma i prag imaju na klasifikaciju. Drugi pristup je temelj...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:48210/Details
Glavni autor: Blažić, Katarina (-)
Ostali autori: Šegvić, Siniša (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, K. Blažić, 2017.
Predmet:
LEADER 02273na a2200229 4500
003 HR-ZaFER
008 160221s2017 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid5874 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Blažić, Katarina 
245 1 0 |a Interaktivna semantička segmentacija rukom pisanih znakova :  |b završni rad /  |c Katarina Blažić ; [mentor Siniša Šegvić]. 
246 1 |a Interactive semantic segmentation of handwritten text  |i Naslov na engleskom:  
260 |a Zagreb,  |b K. Blažić,  |c 2017. 
300 |a 22 str. ;  |c 30 cm +  |e CD-ROM 
502 |b preddiplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2017-06-09, datum završetka: 2017-07-10 
520 3 |a Sažetak na hrvatskom: U ovom radu su obrađena dva pristupa semantičkoj segmentaciji rukom pisanog teksta. Prvi pristup je statistički temeljen na histogramima boja i uvjetnim vjerojatnostima. Pritom je analiziran utjecaj koji veličina histograma i prag imaju na klasifikaciju. Drugi pristup je temeljen na konvolucijskim neuronskim mrežama. Pronađena je pojednostavljena arhitektura konvolucijske mreže VGG koja uz malo treniranja daje dobre rezultate. Prikazan je način i intenzitet označavanja ulaznih slika te su oba pristupa testirana na ulaznom skupu slika pri čemu su dali zadovoljavajuće rezultate. 
520 3 |a Sažetak na engleskom: This paper analyzes two approaches to the semantic segmentation of a handwritten text. The first approach is statistically based on color histograms and conditional probabilities. Thereby the effect of histogram size and threshold on the classification is analyzed. The second approach is based on convolutional neural networks. We simplified the architecture of the VGG convolution network that gives good results with little training. The way and intensity of labeling input images is shown and both approaches are tested and provide satisfactory results.  
653 1 |a semantička segmentacija teksta  |a histogram boja  |a konvolucijske neuronske mreže  |a VGG  |a OpenCV 
653 1 |a semantic segmentation  |a handwriten text  |a color histogram  |a convolution nerural networks  |a VGG  |a OpenCV 
700 1 |a Šegvić, Siniša  |4 ths 
942 |c Z 
999 |c 48210  |d 48210