Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE

More documents

Recommendations

Info

$C:\tst\data_bi.v 1 `timescale 10ns/1ns 2 3 module data_bi(aDATA ...$

FEI TU v Košiciach Diplomová práca List č. 72 35 Text je potrebné umiestniť presne tam, kde sa na obrázku nachádza. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 36 Je možné zvoliť veľkosť a typ fontu. . . . . . . . . . . . . . . . 77 37 V celej trénovacej oblasti je potrebné prekryť každý text na obrázku. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 38 Potom je potrebné stlačiť tlačidlo ’Train’ pre začatie tréno- vania. V modrom okienku hore sa zobrazuje odhadnutý čas ukončenia trénovania. . . . . . . . . . . . . . . . . . . . . . . . 78 39 Nakoniec sa zobrazí dosiahnutá chyba neurónovej siete. . . . . 78 40 Po stlačení tlačidla ’Proc’ je potrebné vybrať neurónovú sieť, ktorú použijeme na samotné prespracovanie obrazu. . . . . . . 79 41 Priebeh spracovania obrazu sa zobrazuje hore v percentách. . . 79 42 V pravej časti aplikácie vidíme spracovaný obrázok. . . . . . . 80 43 Spracovaný obrázok uložíme s ľubovoľným názvom. . . . . . . 80 44 This is what you get when you scan the printed text. . . . . . 83 45 Image after smoothing (mid) and thresholding (right). . . . . . 84 46 Schematical drawing of a 2D image filter. . . . . . . . . . . . . 85 47 Schematical drawing of neural network . . . . . . . . . . . . . 85 48 Workflow chart of Image PreProcessing application. . . . . . . 87 49 Screenshot from the Image PreProcessing application. . . . . . 88 50 Example of some foreground and background combinations . . 89 51 Graph of relation between combination of textures and the minimal error reached on the neural network. . . . . . . . . . 89
FEI TU v Košiciach Diplomová práca List č. 73 Zoznam tabuliek 1 Generovaný obraz: kombinácie pozadia a popredia . . . . . . . 30 2 Závislosti chyby neurónovej siete na kombinácii popredia a pozadia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3 Závislosť úspešnosti učenia na veľkosti vstupnej vrstvy . . . . 35 4 Závislosť úspešnosti učenia na veľkosti skrytej vrstvy . . . . . 37 5 Závislosť učenia na inicializácii neurónovej siete . . . . . . . . 39 6 Vplyv šumu na schopnosť učenie sa neurónovej siete . . . . . . 42 7 Závislosť úspešnosti rozpoznania znakov na vstupnej vrstve . . 47 8 Závislosť úspešnosti učenia sa na veľkosti skrytej vrstvy . . . . 50 9 Vplyv veľkosti trénovacej množiny na kvalitu spracovania obrazu 52 10 Vplyv distribúcie bodov na kvalitu spracovania obrazu . . . . 58 11 Závislosť výsledkov spracovania od poradia lokálneho minima . 61 12 Porovnanie úspešnosti rôznych programov pre optické rozpoz- návanie znakov . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Page 1 and 2:
Technická univerzita v Košiciach
Page 3 and 4:
Poďakovanie Chcem poďakovať môj
Page 5 and 6:
Thesis title: Image preprocessing f
Page 7 and 8:
Obsah Formulácia úlohy 1 1 Úvod
Page 9 and 10:
FEI TU v Košiciach Diplomová prá
Page 11 and 12:
Page 13 and 14:
Page 15 and 16:
Page 17 and 18:
Page 19 and 20:
Page 21 and 22:
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30: FEI TU v Košiciach Diplomová prá
Page 79: FEI TU v Košiciach Diplomová prá
show all

Predspracovanie obrazu pre optické rozpoznávanie ... - TUKE

Create successful ePaper yourself

Delete template?

Save as template?