2023 год
Сдана на отлично
СОДЕРЖАНИЕ
ВВЕДЕНИЕ………………………………………………………………………..7
Глава 1. Детекция объектов в компьютерном зрении, методы распознавания печатного текста и инструменты разработки 8
1.1 Фреймворки и библиотеки глубокого машинного обучения 8
1.2 Библиотека обработки изображений Open-CV 11
1.3 Обзор методов распознавания текста, включая библиотеки машинного обучения Keras_OCR и библиотеку Tesseract 13
Глава 2. Выбор и анализ архитектур и методов разработки. 16
2.1 Описание модели YOLO.Выбор архитектуры YoLo и особенности разметки данных 16
2.2 Сверточные и реккурентные глубокие нейронные сети. Keras-OCR и Google Tesseract 18
Глава 3. Эксперименты и результаты 25
3.1 Описание датасета 25
3.1.1 Источники данных для обучения и тестирования моделей. 25
3.1.2 Разметка изображений и аугментация. 25
3.2 Обучение модели детекции номерных знаков на изображениях 33
3.3 Обучение, проверка и метрики модели 36
3.4 Разработка метода распознавания печатного текста 44
3.4.1 Входные данные метода распознавания печатного текста 44
3.4.2 Применение нейронной сети для распознавания печатного текста 49
3.4.4 Тестирование модели распознавания номеров 53
ЗАКЛЮЧЕНИЕ 56
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 58
ПРИЛОЖЕНИЕ A 61
ПРИЛОЖЕНИЕ B 62
1. Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., & Berg, A. C. SSD: Single Shot MultiBox Detector // Proceedings of the European Conference on Computer Vision, – 2016. ¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬¬– PP. 21¬¬¬–37.
...
24. Open_cv [Электронный ресурс] // Open_CV: https://opencvguide.readthedocs.io/en/latest/opencvpython/basics.html (дата обращения: 06.05.2023).
25. COCO – Common Objects in Context [Электронный ресурс] // https://cocodataset.org/#home (дата обращения 20.04.2023).
26. R-bloggers [Электронный ресурс] // Tesseract 4 is here! State of the art OCR in R! - R-bloggers: https://www.r-bloggers.com/2018/11/tesseract-4-is-here-state-of-the-art-ocr-in-r/ (дата обращения 10.04.2023)
27. Rosebrock, A. OCR with Keras, TensorFlow, and Deep Learning: PyImageSearch, – 2020.