Budapesti Műszaki és Gazdaságtudományi Egyetem Természettudományi Kar |
Tantárgy Adatlap |
Tantárgy kód | BMETE91MM14 |
Tantárgy azonosító adatok | |||||||||
1. | A tárgy címe | Írásfelismerés | |||||||
2. | A tárgy angol címe | Optical Character Recognition |
3. | Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa | 2 | + | 0 | + | 0 | v | Kredit | 3 |
4. | Ajánlott/kötelező előtanulmányi rend | ||||||||
vagy | Tantárgy kód 1 | Rövid cím 1 | Tantárgy kód 2 | Rövid cím 2 | Tantárgy kód 3 | Rövid cím 3 | |||
4.1 | |||||||||
4.2 | |||||||||
4.3 | |||||||||
5. | Kizáró tantárgyak | ||||||||
6. | A tantárgy felelős tanszéke | Algebra Tanszék | |||||||
7. | A tantárgy felelős oktatója | Dr. Kornai András | beosztása | tudományos főmunkatárs |
Akkreditációs adatok | ||||
8. | Akkreditációra benyújtás időpontja | 2011.11.10. | Akkreditációs bizottság döntési időpontja | 2011.12.05. |
Tematika | |||||||||
9. | A tantárgy az alábbi témakörök ismeretére épít | ||||||||
Programozási ismeretek: unix / linux python (C++ hasznos lehet) |
|||||||||
10. | A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható) | ||||||||
Felsőbbéves, MSc matematikus, doktorandusz hallgatóknak, illetve informatikusoknak |
|||||||||
11. | A tárgy részletes tematikája | ||||||||
1. Áttekintés: Mitől optikai az optikai karakterfelismerés? Az OCR alapvető fajtái: dinamikus vagy kép-alapú, nyomtatott vagy kézírásos. Szöveg és ábra-típusok, írások, betűtípusok. Zajszűrés, binarizálás, a dokumentum felbontása. Egy konkrét feladat: matematikakönyvből LaTeX kód. Mit
lehet automatizálni, és mit nem?
2. Az alacsonyszintű képfeldolgozás alapjai. Zajszűrés, határkeresés, szinredukció, binarizálás, csontvázépítés, vektorizáció , lánckódolás. Poligonok, kritikus pontok. Iránykeresés, dőlésbecslés, zónákra bontás.
3. A szövegzóna elemzése: sorok, iniciálé. A latin alapú ábécék struktúrája. Alapvető font-osztályok. A binárisés az általános osztályozási feladat. Standard adatbázisok.
4. A jegyszámítás (feature extraction). A legfontosabb jegyosztályok, geometriai momentumok, Zernike momentumok. Szegmentálás és osztályozás mint egymást követő feladatok, típushibák. Adattömörítés, a legegyszerűbb nyelvmodellek.
5. Az osztályozók főbb típusai. Hasonlósági (nearest neighbor), ideghálózati (neural network), lineáris, határszélesítő (max margin), maxent, és
egyéb osztályozási módszerek.
6. A szegmentálási, osztályozási, és nyelvmodellezési problémák közös megoldása rejtett Markov modellekkel. Szavazás, tényező k integrálása, modellek integrálása. |
|||||||||
12. | Követelmények, az osztályzat (aláírás) kialakításának módja | ||||||||
szorgalmi időszakban |
Projekt készítése (75%). | vizsga- időszakban |
Szóbeli vizsga (25%). | ||||||
13. | Pótlási lehetőségek | ||||||||
A TVSz-ben előírtak szerint |
|||||||||
14. | Konzultációs lehetőségek | ||||||||
Az oktatóval előzetesen egyeztetve, igény szerint. |
|||||||||
15. | Jegyzet, tankönyv, felhasználható irodalom | ||||||||
http://people.mokk.bme.hu/~kornai/ocr alatt |
|||||||||
16. | A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva) | ||||||||
16.1 | Kontakt óra | 28 |
|||||||
16.2 | Félévközi felkészülés órákra | 0 |
|||||||
16.3 | Felkészülés zárthelyire | 0 |
|||||||
16.4 | Zárthelyik megírása | 0 |
|||||||
16.5 | Házi feladat elkészítése | 0 |
|||||||
16.6 | Kijelölt írásos tananyag elsajátítása (beszámoló) | 0 |
|||||||
16.7 | Egyéb elfoglaltság | 47 |
|||||||
16.8 | Vizsgafelkészülés | 15 |
|||||||
16.9 | Összesen | 90 |
|||||||
17. | Ellenőrző adat | Kredit * 30 | 90 |
A tárgy tematikáját kidolgozta | |||||||||
18. | Név | beosztás | Munkahely (tanszék, kutatóintézet, stb.) | ||||||
Dr. Kornai András |
tudományos főmunkatárs |
Algebra Tanszék |
|||||||
A tanszékvezető | |||||||||
19. | Neve | aláírása | |||||||
Dr. Rónyai Lajos |