but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) Ing. Ondřej Kanich, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: V práci (i ve videu) uvádíte přesnost rozpoznání 13%, což je poměrně málo ve srovnání s citovanými metodami, ale ani ony nedosahují příliš vysoké přesnosti rozpoznávání například oproti čtení textu. Čím si to (obojí) vysvětlujete? Na obrázku 6.5 ukazujete "chybně" rozpoznané výrazy. Mně se ale zdá případ b) rozpoznaný správně. V čem je chyba? Na jaké úrovni kontrolujete syntaktickou správnost výrazů v systému LaTeX?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie a umělá inteligence	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Halva, Vladislav	cs
dc.contributor.referee	Zemčík, Pavel	cs
dc.date.created	2022	cs
dc.description.abstract	Tato práce se zabývá problematikou automatického rozpoznávání matematických výrazů pomocí neuronových sítí. Obsahuje přehled existujících přístupů pro tuto úlohu a zaměřuje se zejména na rozpoznávání ručně psaných matematických výrazů a využití grafových neuronových sítí. Jádrem navrženého systému pro rozpoznávání ručně psaných matematických výrazů je model neuronové sítě typu kodér-dekodér využívající grafové neuronové sítě pro přirozenou práci s hierarchickou strukturou matematických výrazů. Úspěšnost systému je vyhodnocena na datové sadě CROHME, která byla publikována v rámci stejnojmenné soutěže v rozpoznávání matematických výrazu. Součástí práce jsou také experimenty, které blíže studují navržený model. Navržené řešení dosahuje úspěšnosti 13.34% ExpRate, tedy přesného rozpoznání matematického výrazu na testovacích datech sady CROHME 2019. Přínosem této práce je zejména návrh metody použití grafových neuronových sítí pro rozpoznávání matematických výrazu z obrázků a obecně jejich zpracování v grafové doméně.	cs
dc.description.abstract	This thesis deals with automatic mathematical expressions recognition using deep neural networks. It contains an overview of existing approaches and focuses mainly on handwritten mathematical expressions and the use of graph neural networks. The core of the proposed system for handwritten mathematical expressions recognition is an encoder-decoder neural network model using graph neural networks to exploit the hierarchical structure of mathematical expressions. The designed system is evaluated on the CROHME dataset, which was published within the competition of the same name on mathematical expression recognition. The work also includes description of experiments performed with the designed model. The proposed solution achieves an exact expression recognition rate of 13.34% on the CROHME 2019 test dataset. The contribution of this work is mainly a method of using graph neural networks for mathematical expression recognition from images and their processing in the graph domain.	en
dc.description.mark	A	cs
dc.identifier.citation	HALVA, V. Automatické rozpoznávání matematických výrazů pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145220	cs
dc.identifier.uri	http://hdl.handle.net/11012/207463
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Grafové neuronové sítě	cs
dc.subject	rozpoznávání matematických výrazů	cs
dc.subject	OCR	cs
dc.subject	Graph neural networks	en
dc.subject	mathematical expression recognition	en
dc.subject	equation recognition	en
dc.subject	OCR	en
dc.title	Automatické rozpoznávání matematických výrazů pomocí neuronových sítí	cs
dc.title.alternative	Neural Networks for Automatic Equation Recognition	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2022-06-17	cs
dcterms.modified	2022-06-23-09:13:50	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145220	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:34:38	en
sync.item.modts	2025.01.15 23:57:34	en
thesis.discipline	Strojové učení	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Automatické rozpoznávání matematických výrazů pomocí neuronových sítí

Files

Original bundle

Collections