NAKI-II-USTR-UKONCENE

01.07.2016

11:22 Administration, support #3967 (Closed): Roční zpráva pro MK

*15.11. - souhrnná písemná periodická zpráva*
- zašlete v listinné a elektronické podobě k rukám příslušné administr... Zajíc Zbyněk

29.06.2016

13:49 Task #3804: unsupervised shlukování obrázků

shlukování vstupních dokumentů (BoW)
klasifikace typu vstupního dokumentu do tříd (obrázek, ručně psaný text, ...) Neduchal Petr

13:46 Task #3957: OCR - čtení hlavičky/nadpisu dokumentu

analýza lokace, velikosti textového bloku...
čtení a zjištění co v tom je. Neduchal Petr

28.06.2016

14:43 Task #3932: Získat obrazová data od ÚSTRu

Máme větší vzorek dat - viz adresář ARCHIVALIE PAMĚTNÍKU BEZ VODOZNAKU Ircing Pavel

27.06.2016

15:17 Task #3962 (Closed): Porovnat výsledky na OCR pro náš výsledek z TesseractApi a z modelu trénovaného v Tesseract

porovnat metody z #3960 a #3961 Soutner Daniel

15:15 Task #3961 (Closed): Dekódování grapheme-lattice na word-lattice

Z grafémových lattice získat word-lattice pro dlaší zpracování (rescorování s jinými jaz.modely, detekce tématu atd.) Soutner Daniel

15:12 Task #3801: Úprava Pixly

* dohodnout si harmonogram prací
* vkládání obrázků do Pixly
* vkládání dat a jejich tagování Zajíc Zbyněk

15:11 Task #3960 (Closed): Natrénovat vlastní LM pro Tesseract dle jejich receptu

Soutner Daniel

15:05 Task #3959 (Closed): Tvorba LM

LM
- z přepsaných a zarovnaných anotací od ÚSTRU (#3931)
- získat další data od ÚSTRU: knihy, texty bez zvuku, anot... Zajíc Zbyněk

14:58 Task #3875 (Closed): Zjistit jak dostat z Tesseractu lattices pro další zpracování/rescoring

Zajíc Zbyněk

14:56 Task #3803: OCR - jazykový model v Tesseractu

* zatím lze získat z OCR jen 1Best hypotézu, ale zle získat fonémový lattice (slovní lattice asi nedostupný) - lze pa... Zajíc Zbyněk

14:50 Task #3957 (Closed): OCR - čtení hlavičky/nadpisu dokumentu

k určení tématu/klasifikace dokumentu Zajíc Zbyněk

14:48 Task #3804: unsupervised shlukování obrázků

vyzkoušet na nových datech od ÚSTRU (pokud je jich dost) Zajíc Zbyněk

14:41 Task #3804: unsupervised shlukování obrázků

* unsupervised algoritmy shlukování (otestovat na učesaných prepisech z ÚSTR)
* najít podobná audia jako vzor (označ... Zajíc Zbyněk

14:35 Task #3954 (Closed): SW ALIGN

JVP se studentem finalizují SW *ALIGN* - "software pro podporu poloautomatického zarovnání nahrávek s existujícími př... Zajíc Zbyněk

14:33 Administration, support #3953 (Closed): připravit mlčenlivost pro studenta

připravit mlčenlivost pro studenta JVP - Align a učesání trénovacích dat. Zajíc Zbyněk

23.06.2016

16:03 Task #3803: OCR - jazykový model v Tesseractu

Oficiální popis tréninku LM zde:
https://github.com/tesseract-ocr/tesseract/wiki/tesstrain.sh
Není mi z toho jas... Soutner Daniel

15:17 Task #3803: OCR - jazykový model v Tesseractu

Před jazkyovým modelel bude třeba také asi natrénovat na font "psací stroj". Návod by mohl být zde: http://www.joyofd... Soutner Daniel

15:06 Task #3875: Zjistit jak dostat z Tesseractu lattices pro další zpracování/rescoring

Napojení na API + testovací prográmek hotov. Lze vypsat pro každý grafém jeho varianty s confidence. Otázka je, jestl... Soutner Daniel

11:43 Task #3875: Zjistit jak dostat z Tesseractu lattices pro další zpracování/rescoring

Prozatím mám způsob jak dostat lattices s grafémy. Je třeba se napojit na API a trochu programování v C++, ale je to ... Soutner Daniel