Streszczenie:
Celem niniejszej pracy było stworzenie i analiza działania systemów do detekcji
i rozpoznawania tekstu. W części teoretycznej opisano szerzej ten problem oraz techniki
używane do jego rozwiązania. Następnie, po przeglądzie modeli uczenia maszynowego
rozwiązujących to zadanie wybrano dwa algorytmy do detekcji tekstu (TextFuseNet oraz DBResNet-
50) oraz jeden do rozpoznawania (Aster) i dogłębnie je opisano. Kolejnym krokiem
było stworzenie czterech systemów z wybranych algorytmów przy użyciu języka Python oraz
dobór danych, na których zostaną przetestowane. Po przetestowaniu systemów i zapisaniu
wyników każdego z nich, zbudowano platformę pozwalającą na analizę działania każdego
z systemów pod względem wydajności, złożoności czasowej i pamięciowej. Analiza wykazała,
że mimo podobnej wydajności ogólnej systemów, różni się ona znacznie w zależności od cech
zdjęć i tekstów znajdujących się na nich.
