but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Ondřej Ryšavý, Ph.D. (místopředseda) Ing. Bohuslav Křena, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) doc. RNDr. Michal Novák, Ph.D. (člen)	cs
but.defence	Studentka 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 uspokojivě (D) . Otázky u obhajoby: Jaké jsou rozdíly mezi generovanou a reálnou datovou sadou použitou ve vaší práci? Popis doplňte ukázkou dat z obou množin. Jaké jsou varianty sítí v1 , v2 , v3 , které uvádíte ve vyhodnocení? Jaký je formát dat a jakou velikost má obraz vstupující do klasifikační sítě? Demonstrujte prosím data použitá pro výše uvedené varianty sítí.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Macurová, Nela	cs
dc.contributor.referee	Špaňhel, Jakub	cs
dc.date.created	2018	cs
dc.description.abstract	Tato práce se zabývá rozpoznáváním historických textů pomocí hlubokých neuronových sítí, konkrétně rozpoznáváním jednotlivých slov v gotickém písmu v českém jazyce. Je zde vytvořen obecný přehled o konvolučních sítích a metodách rozpoznávání textu. Byl vytvořen dataset, který se skládá z reálných i generovaných dat. Síť byla trénovná na generovaných datech a testována na reálných obrázcích slov. Tato navrhovaná metoda klasifikace slov, nebyla moc úspěšná, kvůli rozdílným testovacím a~trénovacím datům.	cs
dc.description.abstract	This thesis deals with the recognition of historical texts using deep neural networks, specifically the recognition of individual words in Gothic script in Czech. Here is a general overview of convolutional networks and text recognition methods. A dataset was created with real and generated data. The network was trained on generated data and testing on real images of words. This proposed word classification method was not very successful due to different test and training data.	en
dc.description.mark	D	cs
dc.identifier.citation	MACUROVÁ, N. Rozpoznávání historických textů pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114759	cs
dc.identifier.uri	http://hdl.handle.net/11012/85147
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	Rozpoznávání slov	cs
dc.subject	OCR	cs
dc.subject	hluboká neuronová síť	cs
dc.subject	Word recognition	en
dc.subject	OCR	en
dc.subject	deep neural network	en
dc.title	Rozpoznávání historických textů pomocí hlubokých neuronových sítí	cs
dc.title.alternative	Convolutional Networks for Historic Text Recognition	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2018-06-13	cs
dcterms.modified	2020-05-10-16:13:21	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114759	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:07:11	en
sync.item.modts	2025.01.15 23:48:55	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Rozpoznávání historických textů pomocí hlubokých neuronových sítí

Files

Original bundle

Collections