Semantic Segmentation of Historical Documents via Fully-Convolutional Neural Network
| dc.contributor.author | Gruber, Ivan | |
| dc.contributor.author | Hlaváč, Miroslav | |
| dc.contributor.author | Hrúz, Marek | |
| dc.contributor.author | Železný, Miloš | |
| dc.date.accessioned | 2020-03-09T11:00:22Z | |
| dc.date.available | 2020-03-09T11:00:22Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | Tento článek prezentuje metodu semantické segmentace znaků ve full-textových dokumentů z období poválečného Československa. Naneštěstí, standardní OCR algoritmy mají problémy s přesným čtením těchto dokumentů vzhledem k jejich zašumění. Z tohoto důvodu jsme se rozhodli vyvinout metodu, která by zlepšila tyto nespokojivé výsledky. Náš přístup, inspirován U-Net architekturou, je založen na plně-konvolučních neuronových sítích. Využíváme generátor syntetických obrázků pro získání trénovacího setu pro naši metodu. Dosáhli jsme přesnosti rozpoznávání 99.53% pro tato syntetická data. Pro reálná data jsou poskytnuty kvalitativní výsledky. | cs |
| dc.description.abstract-translated | This paper presents a method for character semantic segmentation in full-text documents from post World War II Czechoslovakia. Unfortunately, standard optical character recognition algorithms have problems to accurately read these documents due to their noisy nature. Therefore we were looking for some ways to improve these unsatisfactory results. Our approach is based on fully-convolutional neural network inspired by U-Net architecture. We are utilizing a synthetic image generator for obtaining a training set for our method. We reached 99.53% recognition accuracy for synthetic data. For real data, we are providing qualitative results. | en |
| dc.format | 8 s. | cs |
| dc.format.mimetype | application/pdf | |
| dc.identifier.citation | GRUBER, I.., HLAVÁČ, M.., HRÚZ, M.., ŽELEZNÝ, M.. Semantic Segmentation of Historical Documents via Fully-Convolutional Neural Network. In Speech and Computer, 21st International Conference, SPECOM 2019, Istanbul, turkey, August 20-25,2019, Proceedings. Cham: Springer, 2019. s. 142-149. ISBN 978-3-030-26060-6 , ISSN 0302-9743. | en |
| dc.identifier.doi | 10.1007/978-3-030-26061-3_15 | |
| dc.identifier.isbn | 978-3-030-26060-6 | |
| dc.identifier.issn | 0302-9743 | |
| dc.identifier.obd | 43927269 | |
| dc.identifier.uri | 2-s2.0-85071504871 | |
| dc.identifier.uri | http://hdl.handle.net/11025/36618 | |
| dc.language.iso | en | en |
| dc.project.ID | DG16P02B048/Systém pro trvalé uchování dokumentace a prezentaci historických pramenů z období totalitních režimů | cs |
| dc.publisher | Springer | en |
| dc.relation.ispartofseries | Speech and Computer, 21st International Conference, SPECOM 2019, Istanbul, turkey, August 20-25,2019, Proceedings | en |
| dc.rights | Plný text není přístupný. | cs |
| dc.rights | © Springer | en |
| dc.rights.access | closedAccess | en |
| dc.subject | rozpoznávání znaků, segmentace, OCR, strojové učení, generování obrázků, počítačové vidění | cs |
| dc.subject.translated | character recognition, segmentation, OCR, mechine learning, generating images, computer vision | en |
| dc.title | Semantic Segmentation of Historical Documents via Fully-Convolutional Neural Network | en |
| dc.title.alternative | Semantická segmentace historických dokumentů pomocí plně-konvolučních neuronových sítí | cs |
| dc.type | konferenční příspěvek | cs |
| dc.type | conferenceObject | en |
| dc.type.status | Peer-reviewed | en |
| dc.type.version | publishedVersion | en |