Rozpoznávání znaků v digitalizovaných matematických výrazech

Abstract

Cílem bakalářské práce je nalezení vhodných metod a algoritmů pro segmentaci textu a rozpoznávání symbolů pomocí umělých neuronových sítí. Nejdříve se práce věnuje základním principům umělého neuronu a umělých neuronových sítí, struktuře konvolučních neuronových sítí a zejména pak algoritmu zpětného šíření a stochastického algoritmu Levenberga-Marquardta. Dále se pak práce věnuje zpracování obrazu a jeho segmentaci na jednotlivé symboly pomocí grafových algoritmů. Součástí této práce je i implementace těchto metod a algoritmů v aplikaci, která zpracovává digitalizované matematické výrazy a převádí je do vektorového formátu.

This bachelor thesis focuses on finding suitable methods and algorithms for text segmentation and character recognition using artificial neural networks. Firstly, the thesis covers basic principles of artificial neuron and artificial neural networks, structure of convolutional neural networks and mainly backpropagation algorithm and stochastic Levenberg-Marquardt algorithm. Then the thesis describes image processing and image segmentation to single symbols using graph algorithms. This thesis also includes implementation of these methods and algorithms in an application which converts digital mathematical expressions to vector format.