Přepis ozdobných nápisů

Baseline

• knn.ipynb - Načtení a otestování přesnosti ParSEQ modelu.

Natrénované modely

• Na tomto odkazu naleznete dotrénovaný model na datovou sadu Wordart a natrénovaný model na český jazyk a mezery.
• Výsledky modelu v porovnání s jinými můžete vidět v tabulce níže.

Použité datové sady

• datové sady použité taktéž při trénování PARSeq, jsou dostupné zde.
• ostatní datové sady, jedná se o Wordart, naši syntetickou datovou sadu pro trénování na češtinu a mezery a sadu historických dokumentů.

Analýza datové sady

• utils/dataStat.py - Analýza délky slov a výskytu znaků podle labels.
• utils/imageRes.py - Analýza velikosti obrázků dle obrázků.

Výsledky

• Soubor docs/report.pdf obsahuje zprávu o provedené práci v rámci tohoto projektu.
• Soubory docs/plakát.pdf a docs/plakát.png obsahují plakát vhodný pro rychlé seznámení s naší prací.

Generování syntetické datové sady

Textové soubory využitelné pro generování syntetických obrázků:

• czech.txt - Kolekce cca 500 000 českých slov.

Scripty pro generování syntetických obrázků

• utils/pairs_gen.py - Generátor dvojic slov ze seznamu slov.
• utils/image_gen.py - Generátor obrázků z textového dokumentu slov. Využívá trdg.

Tvorba datové sady

• utils/filtr_labels.py - Pomocný program pro odstranění neanotovaných řádků z labelů a změna cest.
• utils/filtr_images.py - Pomocný program pro vytvoření složky obrázků, obsahujících pouze anotované vzorky.

Použité nástroje

Submodul	Cesta	Licence	Licenční soubor
PARSeq	external/parseq	Apache 2.0	LICENSE
TextRecognitionDataGenerator	external/TextRecognitionDataGenerator	MIT	LICENSE