Naslov magistrskega dela: Ocenjevanje kakovosti slik poslovnih dokumentov z globokim učenjem na podlagi lokalnih regij

Povzetek:

Sistemi za optično prepoznavo znakov so občutljivi na kakovost vhodnih slik, nepravilna prepoznava pa pomeni napake v nadaljnji obdelavi. Obstoječi pristopi k ocenjevanju kakovosti dokument opišejo z eno samo oceno, ki ne pove niti kje na dokumentu so napake, niti ali so pomembni deli dokumenta okrnjeni. V delu predstavimo lokalizirano ocenjevanje kakovosti slik poslovnih dokumentov. Zgradimo sintetično množico 2299 računov, ki vsebuje oznake semantičnih regij dokumenta in v kateri je napaka strojnega branja izmerjena za vsako besedo posebej ter na njej naučimo enotni večopravilni model s skupnim kodirnikom, ki iz vhodne slike hkrati napove sliko intenzivnosti napake in segmentacijo pomenskih regij. Model na prej nevidenih predlogah dosega dokumentni SROCC 0,91, pri odločanju o sprejemljivosti dokumenta glede na pomembne regije pa preseže tudi teoretično zgornjo mejo vseh ocen na ravni celotne strani (AUC 0,92 proti 0,76). S poskusi na referenčni množici SmartDoc-QA pokažemo, da je tudi pri napovedi ene povprečne ocene kakovosti strani pomemben lokaliziran učni signal in ne samo arhitektura modela.

Mentor: prof. dr. Danijel Skočaj

Komisija za zagovor:

prof. dr. Peter Peer (predsednik),

doc. dr. Alan Lukežič (član),

doc. dr. Octavian Mihai Machidon (član).

Prostor: Diplomska soba