Optimalizace systémů pro rozpoznávání ručně psaného textu pomocí metod umělé inteligence

Abstract

Tato disertační práce se zabývá využitím samoučících funkcí v oblasti rozpoznávání ručně psaného písma se zaměřením na rozpoznávání textu v českém jazyce s diakritikou. Teorie navrženého řešení vychází z oblasti neuronových sítí, konkrétně konvoluční neuronové sítě Neocognitron. V úvodní části je zpracována problematika volby vhodné neuronové sítě pro účel daný tématem disertační práce. V dalších krocích se disertační práce zabývá analýzou konvoluční neuronové sítě Neocognitron, která je předpokladem pro její úspěšnou implementaci do algoritmů v navrženém systému. Výstupy z provedené analýzy slouží také pro proces optimalizace, který spočívá v nalezení řešení pro problematickou oblast rozpoznávání textu v českém jazyce, kterou je bezesporu diakritika. V experimentální části disertační práce byly nejdříve vytvořeny algoritmy ve skriptovacím prostředí Matlab, pracující s neuronovými sítěmi, za účelem jejich snadného testování a prezentace výsledků. Po otestování a výběru neuronové sítě pro další práci na sadě znaků, získaných z databáze MNIST z národního institutu pro standardy a technologie v USA, bylo přistoupeno k vytvoření vlastní databáze znaků české abecedy, včetně diakritiky. Za tímto účelem byl proveden sběr za pomoci vytvořených standardizovaných formulářů. Dalším krokem byla implementace navržených algoritmů do výsledného systému, obsahujícím komponentu inteligentního preprocesingu pro eliminaci negativního vlivu diakritiky na rozpoznávání v jazyce C#, a otestování tohoto systému na základě, dílčích, k tomu vytvořených, testovacích aplikacích.