Show simple item record

Text recognition in historical archival material from the 17th-19th centuries



dc.contributor.advisorSmítka Jiří
dc.contributor.authorHerman Tiumentsev
dc.date.accessioned2021-08-26T22:52:06Z
dc.date.available2021-08-26T22:52:06Z
dc.date.issued2021-08-26
dc.identifierKOS-961987162505
dc.identifier.urihttp://hdl.handle.net/10467/96790
dc.description.abstractDigitalizace historických dokumentů je důležitým úkolem, který může badatelům pomoci pohodlnějí přistupovat k historickým datům. Cílem této práce je taková digitalizace týkající se dat z digitální knihovny Kramerius provozované Národní knihovnou České republiky. Obsahuje celou pipeline, která se skládá z vytvoření datové sady, různých technik předzpracování dat, dalšího trénování modelů digitálního rozpoznávání (například Tesseract LSTM, Tesseract Legacy nebo GOCR) a vyhodnocení výsledků. Navíc, tato práce navrhuje novou metriku, kterou lze použít k vyhodnocení účinnosti modelu ve srovnání s referenčním modelem.cze
dc.description.abstractHistorical document digitization is an important task that might help researchers to access historical data more conveniently. This thesis aims at such digitalization related to the data from the Kramerius digital library operated by the National Library of the Czech Republic. It contains the whole pipeline that consists of dataset creation, various data preparation techniques, further digital recognition model training (such as Tesseract LSTM, Tesseract Legacy, and GOCR), and evaluation of the results. Moreover, it proposes a new metric that can be used to evaluate the efficiency of a model comparing to the reference one.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectrozpoznávání textucze
dc.subjectOCRcze
dc.subjecthistorické dokumentycze
dc.subjectporovnání výkonucze
dc.subjecttestování OCR algoritmůcze
dc.subjectzpracování obrazucze
dc.subjectText recognitioneng
dc.subjectOCReng
dc.subjectHistorical documentseng
dc.subjectPerformance comparisoneng
dc.subjectTesting OCR algorithmseng
dc.subjectImage processingeng
dc.titleRozpoznávání textu v historických archiváliích ze 17.-19. stoletícze
dc.titleText recognition in historical archival material from the 17th-19th centurieseng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeKlouda Karel
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatika 2009cze


Files in this item












This item appears in the following Collection(s)

Show simple item record