search

ftn-ai-lab / ori-2021-siit

0 stars 0 forks source link

Detekcija i prepoznavanje rukopisa sa slike #15

Open milicajovovic opened 3 years ago

milicajovovic commented 3 years ago

Članovi tima: Milica Jovović, SW-15/2018, grupa 1

Asistent: Veljko Maksimović

Problem koji se rešava: Detekcija i prepoznavanje rukopisa sa slike, tj. konverzija rukom napisanih karaktera sa slike u odgovarajuće kompjuterske karaktere

Algoritam: Konvolucione neuronske mreže

Podaci koji se koriste: Podaci koji će se koristiti pri rešavanju problema se nalaze u dataset-u na linku: https://www.kaggle.com/landlord/handwriting-recognition

Metrika za merenje performansi: Za metriku će biti korišćen procenat uspešnosti klasifikovanih slika (accuracy), gde je sve preko 85% tačnosti uspešno klasifikovano, a ispod neuspešno

Validacija rešenja: • Trening skup - 80% • Validacioni skup - 10% • Test skup - 10%

VeljkoMaksimovic commented 3 years ago

Razmislite malo o metrici. Accuracy je ok metrika ako je u pitanju binarna klasifikacija. Šta ćete raditi ako vaš algoritam prevede čitavu rečenicu uspešno, osim jednog ili dva karaktera? Hoćete to smatrati uspešnim prevodom ili ne? Kod accuracy-a ne postoji "90% uspešna klasifikacije", a vama bi trebala neka metrika koja će uzeti u obzir koliko ste grešaka imali pri detekciji rečenica. Ili eventualno da sami postavite neki threshold u procentima uspešno detektovanih karaktera i da sve preko toga bude uspešna detekcija, a ispod toga neuspešna. U svako slučaju metriku treba malo preciznije definisati. Kada to uradite ostavite link ka repozitorijumu.

milicajovovic commented 3 years ago

Ispravila sam metriku uz dodavanje threshold-a. Link ka repozitorijumu: https://github.com/milicajovovic/handwriting_recognition