Analiza porównawcza metod do detekcji i rozpoznawania tekstów na zdjęciach

Abstract

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.