Schuzka17-02-06¶

účast: PI, JŠ, PSt, PSa, ZZ, LSk, MH, PNe, LBu. AP, JVP, LM

Klasifikace obrazu¶

• LBu unsupervised klasifikace do 3 tříd (předpoklad: hand/printed/photo) - Kmeans z příznaků z poslední vrstvy CNN (Alex net) - nefunguje, zlepšit (Task #3804)
• co funguje - hledání nejbližšího dokumentu ke zvolenému
• MH určit ručně analýzou dokumentů 11 tříd
• Dodělat -> najít reprezentativní obrázky k daným 11 třídám a jimi natrénovat supervised klasifikátor (Task #3889)

OCR¶

• PNe detekce bloků v textu:
  - natočení dokumentu, získání řádků,
  - zahozena světlá místa = není text,
  - označení bloků v textu -> ty rozpoznány Tesserackem (dva možné vstupy - binary nebo šedotón obraz)
• dodělat -> spojit bloky na úrovni řádky (aby měl Tesserac větší kontext) (Task #4062)
  -> přidat do Tesseracu font "psací stroj" (Task #4158)
  -> přidat do Tesseracu náš LM (Task #3803)
  -> získat z Tesseracu lattice (Task #3803)
• PNe detekce děr po děrovačce (Task #4062)
  - pro spojení dokumentů patící do jedné série
  - moc nefunguje
• dodělat -> přidat informaci o historii předchozích i následujících obrázků a v nich existenci děr
  -> pracovat s celou segvencí dokumentů v adresáři a v nich maximalizovat ppst. hypotézy jedné/více serií dokumentů

AM¶

• JVP NN model z Amalachu - otestovat (Task #4046, Task #3931)

LM¶

• AP / PI otestovat nový LM (Task #3959)

TÉMATA¶

• LSk přepisy audiodat, obahují teoreticky mnoho témata (životní výpoděď očitých svědků) (Task #3802)
  - supervised metody nemáme data
  - unsupervised moc dlouhé dokumenty
  - budeme hledat spíše tématicky podobné dokumenty k danému doc.
• dodělat -> rozsekat automaticky na tématicky ucelené bloky a ty rozpoznat (přes LDA)
  -> nastudovat LDAtoVec

Články plán¶

• JZ TSD
• DS TSD
• PNe + LBu TSD nebo Specom(pokud se budou posílat další dva jiné články, které zaplatí případnou cestu/hotel)