Klasifikace ručně psaného textu s využitím konvolučních neuronových sítí

Abstract

Práce se zaměřuje na rozpoznávání znaků v obraze v rámci strojového vidění. Jsou zde popsány základní techniky pro úpravu a práci s obrazem od prvotního předzpracování až po komplexnější operace s obrazem, jako je například klasifikace pomocí neuronových sítí. Poznatky obsažené v této práci mají za cíl představit čtenáři informace nezbytné pro vytvoření algoritmu detekce číselné sekvence, který se může uplatnit například na poštách nebo v bankách. Hlavním cílem je segmentace číselných znaků a identifikace jejich jednotlivých hodnot. K rozpoznávání těchto znaků je využita konvoluční neuronová síť, která je trénována na vlastních datech i datech dostupných v programu MATLAB pro srovnání. Vlastní trénovací data jsou získávána z fotografií ručně psaných číslic od různých osob. Pro zpracování a segmentaci těchto čísel byl navržen a realizován algoritmus vytvořený v programu MATLAB spolu s dalšími funkcemi, které využívají již naučené sítě. Značná část práce se zabývá segmentací a dalšími postupy při úpravě obrazu, které jsou nezbytné pro získání vstupních dat v požadovaném tvaru jako vstup konvoluční neuronové sítě. Výsledky této práce jsou prezentovány v grafické uživatelské aplikace s konkrétním účelem rozpoznávání číselných sekvencí na poštovních poukázkách.

The work focuses on character recognition in images within the scope of machine vision. It describes basic techniques for image processing and manipulation from initial preprocessing to more complex image operations, such as classification using neural networks. The insights presented aim to provide readers with the necessary information to create an algorithm for detecting numerical sequences, which can be applied, for example, in postal services or banks. The main objective is the segmentation of numerical characters and the identification of their individual values. Convolutional neural networks are employed for character recognition, trained on both custom data and data available in MATLAB for comparison. Custom training data are obtained from photographs of handwritten digits from various individuals. An algorithm developed in MATLAB, along with additional functions utilizing pre-trained networks, is designed and implemented for processing and segmenting these numbers. A significant portion of the work deals with segmentation and other image processing procedures necessary for obtaining input data in the required format for the convolutional neural network. The results are presented in a graphical user interface application specifically designed for recognizing numerical sequences on postal vouchers.