|
|
|
|
| LEADER |
02722na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20160714163112.0 |
| 008 |
160221s2015 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid2643
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Škvarić, Alen
|9 37581
|
| 245 |
1 |
0 |
|a Identifikacija objekta temeljena na prepoznavanju elemenata slike :
|b diplomski rad /
|c Alen Škvarić ; [mentor Dragan Jevtić].
|
| 246 |
1 |
|
|a Object identification based on recognition of image elements
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b A. Škvarić,
|c 2015.
|
| 300 |
|
|
|a 60 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Telekomunikacije i informatika, šifra smjera: 53, datum predaje: 2015-06-30, datum završetka: 2015-07-03
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Javlja se sve češća potreba za pretvorbom korisničke informacije u onaj oblik koji je razumljiv računalu u svrhu lakše automatizacije podataka. Jedna od najvažnijih znanstvenih disciplina u tom pogledu je optičko prepoznavanje znakova (OCR). U ovome radu dan je pregled metoda korištenih u svrhu pronalaska i prepoznavanja znakovnih objekata iz digitalne slike. Uspješnost prepoznavanja elemenata uvelike ovisi o kvaliteti segmentacije slike. Spomenuti su najbitniji problemi detekcije i dana su odgovarajuća rješenja. Opisani su neki od algoritama nadziranog strojnog učenja koji se potencijalno mogu koristiti u svrhu klasifikacije znakova. Napravljena je njihova analiza na jednostavnom studijskom primjeru u kojoj je mjerena njihova efikasnost na temelju preciznosti i brzine učenja i predikcije.
|
| 520 |
3 |
|
|a Sažetak na engleskom: There is a growing need for converting the user information in a machine-readable form for the purpose of easier data automation. One of the most important field of research in that regard is optical character recognition (OCR). This paper reviews methods used for the purpose of finding and recognizing character objects from digital pictures. Recognition accuracy depends largely on the quality of image segmentation. Solutions are given for the most important problems of detection. Supervised machine learning algorithms are used in order to classify graphic characters. Analysis was made on a simple example which measured their efficiency based on accuracy and speed of learning and prediction.
|
| 653 |
|
1 |
|a strojno učenje (ML)
|a optičko prepoznavanje znakova (OCR)
|a strojni vid
|a nadzirano učenje
|a klasifikacija
|
| 653 |
|
1 |
|a machine learning (ML)
|a optical character recognition (OCR)
|a computer vision
|a supervised learning
|a classification
|
| 700 |
1 |
|
|a Jevtić, Dragan
|4 ths
|9 10205
|
| 942 |
|
|
|c Y
|2 udc
|
| 999 |
|
|
|c 46011
|d 46011
|