Active Learning pro zpracování archivních pramenů

but.committeedoc. Ing. Lukáš Burget, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen)cs
but.defenceStudentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B.cs
but.jazykslovenština (Slovak)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorRozman, Jaroslavsk
dc.contributor.authorŠtajerová, Alžbetask
dc.contributor.refereeHříbek, Davidsk
dc.date.accessioned2023-07-17T08:06:54Z
dc.date.available2023-07-17T08:06:54Z
dc.date.created2023cs
dc.description.abstractCieľom tejto diplomovej práce je navrhnúť a implementovať systém na optické rozpoznávanie znakov v archívnych historických dokumentov. V prvej časti práce sa zaoberám štúdiom problematiky optického rozpoznávania znakov a procesom spracovania vstupných dát. Ďalej je opísaná téma aktívneho učenia a využívaných metód. Prehľadávam dostupné riešenia systémov pre rozpoznávanie ručne písaných historických dokumentov. Popisujem architektúry neurónových sietí využívaných na rozpoznávanie textu. Výsledkom práce návrh a následná implementácia systému pre rozpoznávanie textu, ktorý umožňuje anotáciu, doučovanie modelov a vyhľadávanie v záznamoch.sk
dc.description.abstractThe aim of this Master's thesis is to design and implement an OCR system for archival historical documents containing handwriting text. The first part of the thesis deals with the study of optical character recognition, the process of OCR pipepline. Then the topic of active learning and its methods is described. The thesis reviews the available solutions for recognition of handwritten historical documents. I further describe the neural network architectures used for text detection. The thesis results in the design and subsequent implementation of system for text recognition of historical documents, enabling user annotation, full-text search in annotation records.en
dc.description.markBcs
dc.identifier.citationŠTAJEROVÁ, A. Active Learning pro zpracování archivních pramenů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other147861cs
dc.identifier.urihttp://hdl.handle.net/11012/211943
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectOCRsk
dc.subjectoptické rozpoznávanie znakovsk
dc.subjectaktívne učeniesk
dc.subjectrozpoznávanie ručne písaného textusk
dc.subjectHTRsk
dc.subjectstrojové učeniesk
dc.subjectOCRen
dc.subjectoptical character recognitionen
dc.subjectactive learningen
dc.subjecthandwriting text recognitionen
dc.subjectHTRen
dc.subjectmachine learningen
dc.titleActive Learning pro zpracování archivních pramenůsk
dc.title.alternativeActive Learning for Work with Archive Materialsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-16cs
dcterms.modified2023-06-16-17:03:25cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid147861en
sync.item.dbtypeZPen
sync.item.insts2023.07.17 10:06:54en
sync.item.modts2023.07.17 09:44:58en
thesis.disciplineStrojové učenícs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
6.31 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_147861.html
Size:
9.44 KB
Format:
Hypertext Markup Language
Description:
review_147861.html
Collections