Bakalářská práce

Rozpoznávání matematických textů

Math OCR

Radek Vystrčil
Anotace

Tato práce pojednává o řešení problémů s OCR v rámci projektu DML-CZ. Nejdříve je čtenář seznámem s principy OCR, jeho využitím obecně, i v rámci české digitální matematické knihovny. Další kapitoly se zabývají řešením problémů během OCR, jejich nápravou. Dále je to postup testování OCR založený na referenční sadě příkladů dobře rozpoznaných stránek (ground truth), vůči které se automatizovaně vyhodnocuje úspěšnost nových verzí OCR.

Abstract

This thesis treats of solving math OCR in DML-CZ project. There are explanations of OCR principles. Then an automatic system for comparing final scans in Infty software.

Klíčová slova
OCR DML-CZ Workflow FineReader InftyReader IrfanView
Zadání práce
Student se seznámí se stávajícími postupy rozpoznávání textů (OCR) se zřetelem na matematické texty, zejména s existujícím řešením z DP Panáka a Mudráka využívajícím SDK FineReader a výsledky projektu Infty.

Seznámí se se stávájící technologií a zjistí příčiny selhání OCR některých skenů přes stávající workflow a navrhne řešení problému.

Navrhne rozšíření workflow o krok vedoucí k indexovatelné textové podobě rozpoznávaných matematických textů (MathML, LaTeX). Dále vypracuje postup testování workflow vypracováním sady již rozpoznaných stránek, vúči které se bude automatizovaně vyhodnocovat úspěšnost nových verzí OCR a postup vyzkouší na aktuální verzi sw Infty ve workflow. Zajistí podporu nasazení nové verze DML-OCR v Jenštejně.

Administrativní informace
Práce zkontrolována:
6. 1. 2009 07:04, (IS automaticky)
Plný text práce
257 KB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
3. 2. 2009
Práce nebyla obhájena
Student v rámci svého studia bakalářskou práci obhájil 25. 6. 2009.

Vedoucí

doc. RNDr. Petr Sojka, Ph.D., učo 2378
KVI FI MU

Oponent

Autor posudku dosud neidentifikován.

Literatura

  • SUZUKI, Masakazu; Fumikazu TAMARI; Ryoji FUKUDA; Seiichi UCHIDA a Toshihiro KANAHORI. INFTY: an integrated OCR system for mathematical documents. In Proceedings of the 2003 ACM symposium on Document engineering. Grenoble: ACM, 2003, s. 95-104. ISBN 1-58113-724-9.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce
 
Název
Vložil
Vloženo
Práva
Archiv závěrečné práce Radek Vystrčil FI B-AP BcAP dcm1r/13
Vystrčil, R.
4. 1. 2009
Složky
Příloha 7047632/2
Vystrčil, R.
5. 1. 2009
Soubory
Anotace anglicky annotation_english.txt
Vystrčil, R.
5. 1. 2009
Anotace česky annotation.txt
Vystrčil, R.
5. 1. 2009
img2.png
Vystrčil, R.
5. 1. 2009
img4.png
Vystrčil, R.
5. 1. 2009
img5.png
Vystrčil, R.
5. 1. 2009
img6.png
Vystrčil, R.
5. 1. 2009
Klíčová slova keywords.txt
Vystrčil, R.
5. 1. 2009
posudek_oponenta.pdf posudek_oponenta.pdf
Šmerk, P.
29. 1. 2009
reference bp.bib
Vystrčil, R.
5. 1. 2009
Text práce bp.pdf
Vystrčil, R.
5. 1. 2009
zdrojovy kod prace bp.tex
Vystrčil, R.
5. 1. 2009

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.