Seminarium doktoranckie 22.11.2023, r. mgr inż. Piotr Szymkowski

Zapraszamy na seminarium doktoranckie, które odbędzie się 22.11.2023 r. o godzinie 12:15 w sali 128. Przewidziane jest wystąpienie pana mgra inż. Piotra Szymkowskiego w związku z planowanym złożeniem rozprawy doktorskiej w celu kontynuowania czynności w przewodzie doktorskim.

Tytuł polski: Algorytmy biometryczne w rozpoznawaniu odręcznego pisma japońskiego przy użyciu klasyfikatorów i podejścia opartego na uczeniu maszynowym

Tytuł angielski: Exploring biometric algorithms in handwritten Japanese recognition using classifiers and machine learning approach

Streszczenie po polsku: Język japoński, koreański oraz chiński są najczęściej używanymi językami we wschodniej Azji. Język japoński wyróżnia się od innych pod względem złożoności zapisu zdań. Wykorzystuje on trzy różne typy znaków: hiraganę, katakanę oraz kanji.

    Celem niniejszej pracy jest stworzenie rozwiązania pozwalające na rozpoznanie japońskiego pisma odręcznego przy pomocy minucji. Podczas prze- prowadzania badań wykorzystano 3 różne źródła danych, przedstawiono 3 metody przetwarzania wstępnego oraz 3 metody scieniania. W sumie zostały stworzono 27 różnych zbiorów danych, na których dokonana została klasyfikacja. W celu rozpoznania pisma zastosowano pięć róznych klasyfikatorów oraz stworzone w tym celu sieci neuronowe.

    Dla poszczególnych danych najwyższymi wynikami były 76.36% (+/- 11.36) dla własnej bazy danych, 70.66% (+/- 8.56) dla bazy ETL9G, 54.10% (+/- 5.66) dla KMNIST. Wyniki te były niższe od częsci prezentowanych rozwiązań przez innych autorów, ale pozwalają przypuszczać, że poprzez użycie dodatkowych punktów charakterystycznych, bądź połączenie minucji z innymi metodami pozyskiwania punktów charakterystycznych pozwoli na uzyskanie wyższych wyników. W ramach prezentacji zostaną zaprezentowane porównania z innymi autorami, oraz metody uzyskania wyższych wyników.

Streszczenie po angielsku: Japanese, Korean and Chinese are the most widely spoken languages in East Asia. The Japanese language is distinguished from the others by the complexity of its sentence writing. It uses three different types of characters: Hiragana, Katakana and Kanji.

 The purpose of this study is to create a solution to recognise Japanese handwriting using minutiae. In conducting the research, three different data sources were used, three preprocessing methods and three shading methods were presented. A total of 27 different datasets were created and classification was performed on them. Five different classifiers and neural networks created for this purpose were used to recognise handwriting.

 For the individual data, the highest results were 76.36% (+/- 11.36) for the own database, 70.66% (+/- 8.56) for the ETL9G database, 54.10% (+/- 5.66) for KMNIST. These results were lower than some of the solutions presented by other authors, but allow us to assume that by using additional feature points or combining minutiae with other feature point extraction methods, higher results are possible. The presentation will include comparisons with other authors, and methods for obtaining higher scores.