Ocenjevanje kakovosti slik poslovnih dokumentov z globokim učenjem na podlagi lokalnih regijKrivec, Jan (Avtor) Skočaj, Danijel (Mentor) optična prepoznava znakovstrojno učenjegloboko učenjegloboke nevronske mrežeSistemi za optično prepoznavo znakov so občutljivi na kakovost vhodnih slik, nepravilna prepoznava pa pomeni napake v nadaljnji obdelavi. Obstoječi pristopi k ocenjevanju kakovosti dokument opišejo z eno samo oceno, ki ne pove niti kje na dokumentu so napake, niti ali so pomembni deli dokumenta okrnjeni. V delu predstavimo lokalizirano ocenjevanje kakovosti slik poslovnih dokumentov. Zgradimo sintetično množico 2299 računov, ki vsebuje oznake semantičnih regij dokumenta in v kateri je napaka strojnega branja izmerjena za vsako besedo posebej ter na njej naučimo enotni večopravilni model s skupnim kodirnikom, ki iz vhodne slike hkrati napove sliko intenzivnosti napake in segmentacijo pomenskih regij. Model na prej nevidenih predlogah dosega dokumentni SROCC 0,91, pri odločanju o sprejemljivosti dokumenta glede na pomembne regije pa preseže tudi teoretično zgornjo mejo vseh ocen na ravni celotne strani (AUC 0,92 proti 0,76). S poskusi na referenčni množici SmartDoc-QA pokažemo, da je tudi pri napovedi ene povprečne ocene kakovosti strani pomemben lokaliziran učni signal in ne samo arhitektura modela.20262026-10-01 11:30:05Magistrsko delo/naloga189099sl