Аналіз структури зображень документів засобами глибоких нейронних мереж

Тип публікації :
Магістерська робота
Дата випуску :
2021
Автор(и) :
Захарчук Дмитро Юрійович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Захарчук, Д. Ю. (2021). Аналіз структури зображень документів засобами глибоких нейронних мереж [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/2844
[ДСТУ] Захарчук Д. Ю. Аналіз структури зображень документів засобами глибоких нейронних мереж : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2021. 76 с. URL: https://ir.library.knu.ua/handle/123456789/2844 (дата звернення: 25.07.2026).
У ході виконання роботи проаналізовано архітектури моделей глибоких нейронних мереж для візуального розпізнавання об’єктів – однофазні та двофазні детектори об’єктів. Здійснено навчання моделей даних типів детекторів на частині набору даних PubLayNet – датасету, присвяченому семантичній сегментації структурних елементів документів на зображеннях. В умовах проведених експериментів, результати засвідчили, що найкращу коректність розпізнавання має модель мережі YOLOv5. До структури шарів даної мережі були внесені певні модифікації з метою покращення якості розпізнавання.
Незважаючи на незначне погіршення усередненого значення за класами (0.911 - для оптимізованого підходу проти 0.914 для оригінального підходу), все ж таки вдалося досягти кращої якості у виявленні об’єктів класу «Текст». (0.840 – для оригінального підходу; 0.853 – оптимізований підхід, SGD; 0.855 – оптимізований підхід, Adam).
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :
Вантажиться...
Ескіз
Завантажити
Формат :

Adobe PDF

Розмір :

3.89 MB

Контрольна сума :

(MD5):fa17c7171941e4b0ed2be659deb090bc

Creative Commons Attribution-NonCommercial 4.0 International
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International