Bacheloroppgave 2018
Studium: Dataingeniør
Tittel - norsk: Gjenkjenning
av håndskrevne matematiske symboler og uttrykk |
Oppgave nr.: 10 |
||
Oppgavestiller: NTNU, Institutt for lærerutdanning |
|||
|
Kontaktperson: Trygve Solstad, Hermund Torkildsen, Tore Forbregd |
||
|
Telefon: 73412594; 73412778 |
E-postadresse: trygve.solstad@ntnu.no; hermund.a.torkildsen@ntnu.no; tore.a.forbregd@ntnu.no |
|
|
Postadresse: Institutt for
lærerutdanning, NTNU, 7491, Trondheim |
||
Studenter: Even Dalen, Håvard Langdal, Torkil Solheim |
|||
Veileder ved NTNU: Ole Christian
Eidheim |
|||
|
|||
Sammendrag: I denne oppgaven utforsket vi
forskjellige tilnærminger for å gjenkjenne håndskrevne matematiske symboler
og uttrykk. Å tolke forskjellige håndskrifter har historisk sett vært en
vanskelig oppgave, men har i de siste årene blitt lettere å utforske på grunn
av forbedringer i maskinvare og programvare for maskinlæring. Hensikten med oppgaven er å lage
en modul som kan tolke matematiske tegn og uttrykk. Vi har laget et
eksempelsystem som viser hvordan vår modul kan integreres inn i et uavhengig
system. Kombinert tilbyr vår modul og dette eksempelsystemet nødvendig
funksjonalitet spesifisert av oppgaven.
In this thesis we researched different
approaches for recognizing handwritten mathematical symbols and expressions.
Interpreting different typographic styles has historically been a challenging
task, however, recent improvements in both hardware and software for machine
learning have made the task more approachable. The purpose of the assignment was to create a
module which interprets mathematical symbols and expressions. We created an
example system to display how our module can be integrated into an
independent system. Combined, the module and example system provide the
complete functionality as specified by our project owners. Through our research, we explored different methods in pre- and post-processing
of digital handwriting in order to best classify mathematical expressions.
Our two approaches were to process drawings into images (using convolutional
networks) and interpreting raw trace data (using recurrent networks). The
combination of both approaches gave the best result and is the architecture
used in our final model. |
|||
|
|||
|
Normalsituasjonen: Studentene har selv alle rettigheter
knyttet til resultatet fra bacheloroppgaven, med de unntak som er beskrevet
over. |
||
|
Oppdragsgiveren har rettighetene
og kan utnytte produktet kommersielt og videreutvikle produktet/metoden.
Instituttet vil ikke utnytte produktet kommersielt,
men vil kunne arbeide videre med den grunnlagskompetansen som er vunnet
gjennom prosjektet, som beskrevet over. |
||
X |
Resultatene fra arbeidet legges
ut som OpenSource iht
lisens MIT (Se http://creativecommons.no/lisenser og https://opensource.org/licenses/MIT). |
||
|
Bacheloroppgaven (det skriftlige
arbeidet) skal være undergitt utsatt offentliggjøring i ____ (maks 3) år. |
||