many small fixes
This commit is contained in:
Simon
@@ -1,6 +1,6 @@
|
||||
\section{Zielsetzung}
|
||||
\label{ziele}
|
||||
|
||||
Das Ziel dieser Bachelorarbeit ist das Ermitteln einer Vorgehensweise für Texterkennung in Screenshots von grafischen Oberflächen. Verschiedene Algorithmen zur Bildbearbeitung vor der Texterkennung oder Nachbearbeitung \bzw Filterung der Ergebnisdaten werden evaluiert. Die Ergebnisdaten werden anschließend anhand von festgelegten Qualitätskriterien aus der programmatischen Sprach- und Schrifterkennung, beispielsweise der \hyperref[metriken_cer]{Zeichenfehler-} oder \hyperref[metriken_wer]{Wortfehlerrate} analysiert und miteinander verglichen \mcite{karpinski2018metrics}.
|
||||
Das Ziel dieser Bachelorarbeit ist das Ermitteln einer Vorgehensweise für Texterkennung in Screenshots von grafischen Oberflächen. Verschiedene Algorithmen zur Bildbearbeitung vor der Texterkennung sowie Nachbearbeitung \bzw Filterung der Ergebnisdaten sollen evaluiert werden. Die Ergebnisdaten sollen anschließend anhand von festgelegten Qualitätskriterien aus der programmatischen Sprach- und Schrifterkennung, beispielsweise der \hyperref[metriken_cer]{Zeichenfehler-} oder \hyperref[metriken_wer]{Wortfehlerrate}, analysiert und miteinander verglichen \mcite{karpinski2018metrics} werden.
|
||||
|
||||
Die prototypische Implementierung dient als Basis für die nachfolgenden Tests und Analysen, anhand derer die Algorithmen automatisch evaluiert werden. Alle entwickelten Komponenten werden als Bibliotheken zur Verfügung gestellt, um die Texterkennung inklusive automatischer Bildverarbeitung und Filterung der erkannten Inhalte \bzw Schlagworte später in anderen Anwendungen weiterverwenden zu können.
|
||||
Eine prototypische Implementierung dient als Basis für die nachfolgenden Tests und Analysen, anhand derer die Algorithmen automatisch evaluiert werden sollen. Alle entwickelten Komponenten sollen als Bibliotheken zur Verfügung gestellt werde, um die Texterkennung inklusive automatischer Bildverarbeitung und Filterung der erkannten Inhalte \bzw Schlagworte später in anderen Anwendungen weiterverwenden zu können.
|
||||
@@ -5,17 +5,17 @@ Die in Salzburg ansässige COPA-DATA GmbH bietet die Softwareplattform zenon an,
|
||||
|
||||
Die zenon-Plattform kann sowohl vom Kunden selbst, als auch durch das Professional Services Team individuell auf Kundenanforderungen zugeschnitten und in bestehende Prozesse eingebunden werden. Den Grundstein für die hohe Anpassungsfähigkeit bildet die Produktdokumentation, in der Schnittstellendokumentation, Anleitungen und Beispiele in verschiedensten Sprachen, Formaten und mit kundenspezifischen Erweiterungen umfassend sowohl für Mitarbeiter, als auch für Kunden festgehalten sind.
|
||||
|
||||
In der Produktdokumentation werden, besonders in Hinblick auf die grafischen Tools wie die zenon Engineering Studio Entwicklungsumgebung oder die zenon Service Engine, zahlreiche Grafiken wie \autoref{bild_eigenschaften_beispiel} verwendet, um Beispiele verständlicher zu machen und Anleitungen übersichtlicher zu gestalten. Um bei dem großen Funktionsumfang der zenon-Tools, den vielen Sprachen, Anpassungen und den unterschiedlichen Themengebieten innerhalb der Dokumentation nicht den Überblick zu verlieren, benötigt das interne "Technical Content and Translation" Team unterstützend zu dem intern verwendeten CMS eine dedizierte Anwendung zur Verwaltung von sprachabhängigen Bilddateien.
|
||||
In der Produktdokumentation werden, besonders in Hinblick auf die grafischen Werkzeuge wie die zenon Engineering Studio Entwicklungsumgebung oder die zenon Service Engine, zahlreiche Grafiken wie \autoref{bild_eigenschaften_beispiel} verwendet, um Beispiele verständlicher zu machen und Anleitungen übersichtlicher zu gestalten. Um bei dem großen Funktionsumfang der zenon-Produktpalette, den vielen Sprachen, Anpassungen und den unterschiedlichen Themengebieten innerhalb der Dokumentation den Überblick zu behalten, benötigt das interne "Technical Content and Translation"-Team unterstützend zu dem intern verwendeten Inhaltsverwaltungssystem eine dedizierte Anwendung zur Verwaltung von sprachabhängigen Bilddateien.
|
||||
|
||||
\begin{figure}[ht]
|
||||
\centering
|
||||
\begin{minipage}{0.66\textwidth}
|
||||
\includegraphics[width=\textwidth]{include/screenshots/driver_brpvi_offlineimport_004.png}
|
||||
\begin{minipage}{0.50\textwidth}
|
||||
\includegraphics[width=\textwidth]{include/screenshots/historian_assistent_001.png}
|
||||
\end{minipage}
|
||||
\hfill
|
||||
\begin{minipage}{0.3\textwidth}
|
||||
\begin{minipage}{0.49\textwidth}
|
||||
\begin{minipage}{\textwidth}
|
||||
\includegraphics[width=\textwidth]{include/screenshots/historian_assistent_001.png}
|
||||
\includegraphics[width=\textwidth]{include/screenshots/driver_brpvi_offlineimport_004.png}
|
||||
\end{minipage}\hfill
|
||||
\vfill
|
||||
\begin{minipage}{\textwidth}
|
||||
@@ -28,4 +28,4 @@ In der Produktdokumentation werden, besonders in Hinblick auf die grafischen Too
|
||||
|
||||
Während das Programm auch die Basisfunktionalität, das Speichern, Bearbeiten, Löschen, Abrufen beziehungsweise das generelle Verwalten von Screenshots und der zugehörigen Metainformation abdecken soll, konzentriert sich diese Bachelorarbeit primär auf die Kategorisierungsfunktionalität der Bildinhalte.
|
||||
|
||||
Mithilfe von optischer Texterkennung (\engl{Optical character recognition}, \kurz{OCR}) soll es den Mitarbeitern möglich gemacht werden, hochgeladene Screenshots und Grafiken aufgrund ihrer Inhalte zu verschlagworten, um sie später anhand dieser suchen zu können.
|
||||
Mithilfe von optischer Texterkennung (\engl{Optical Character Recognition}, \kurz{OCR}) sollen Mitarbeiter hochgeladene Screenshots und Grafiken aufgrund ihrer Inhalte verschlagworten können, um sie später anhand dieser zu finden.
|
||||
@@ -1,10 +1,10 @@
|
||||
\section{Aufbau}
|
||||
\label{aufbau}
|
||||
|
||||
Zunächst wird in \autoref{grundlagen} der technische Grundstein für die Bachelorarbeit gelegt. Informationen zur Vorgehensweise und den wichtigsten Punkten bei der \hyperref[grundlagen_preprocessing]{Vorverarbeitung} und \hyperref[grundlagen_postprocessing]{Nachbearbeitung} werden erarbeitet und dienen als Basis für die spätere Entscheidungsfindung in \autoref{konzept}. Weiters werden die Metriken erklärt, die für den Vergleich der Qualität der Texterkennungsergebnisse notwendig sind.
|
||||
In \autoref{grundlagen} wird der technische Grundstein für die Bachelorarbeit gelegt. Informationen zur Vorgehensweise und zu den wichtigsten Punkten bei der \hyperref[grundlagen_preprocessing]{Vorverarbeitung} und \hyperref[grundlagen_postprocessing]{Nachbearbeitung} werden erarbeitet und dienen als Basis für die spätere Entscheidungsfindung in \autoref{konzept}. Weiters werden die Metriken erklärt, die für den Vergleich der Qualität der Texterkennungsergebnisse notwendig sind.
|
||||
|
||||
Sind die Rahmenbedingungen geklärt, ist gemäß \autoref{konzept} eine begründete Auswahl an verwendeten \hyperref[algorithmen_preprocessing]{Algorithmen} und \hyperref[konzept_texterkennungssystem]{Technologien} zu treffen. Verschiedene Algorithmen werden verglichen und auf ihre Stärken und Schwächen in Bezug auf Screenshotdaten untersucht. Die geeigneten Algorithmen werden anschließend in \autoref{implementierung} für den Vergleich verwendet.
|
||||
Sind die Rahmenbedingungen geklärt, ist gemäß \autoref{konzept} eine begründete Auswahl an verwendeten \hyperref[algorithmen_preprocessing]{Algorithmen} und \hyperref[konzept_texterkennungssystem]{Technologien} zu treffen. Verschiedene Algorithmen werden verglichen und auf ihre Stärken und Schwächen in Bezug auf Screenshot\-daten untersucht. Die geeigneten Algorithmen werden anschließend in \autoref{implementierung} für den Vergleich verwendet.
|
||||
|
||||
Nach Bestimmung des Konzepts wird in der prototypischen \hyperref[implementierung]{Implementierung} ein Programm geschaffen, welches verschiedene Algorithmen anhand einer Stichprobe, bestehend aus beispielhaft ausgewählten Screenshots, vergleicht. Mittels der flexiblen Komponenten ist eine spätere Anpassung des Programmablaufs \bzw die Implementierung weiterer Algorithmen einfach, was schnelles Prototyping und Testen fördert. Das Ergebnis ist ein automatisch generierter Bericht, anhand dessen die Ergebnisdaten untersucht werden können.
|
||||
Basierend auf dem Konzept wird in der prototypischen \hyperref[implementierung]{Implementierung} ein Programm geschaffen, welches verschiedene Algorithmen anhand einer Stichprobe, bestehend aus beispielhaft ausgewählten Screenshots, vergleicht. Mittels der flexiblen Komponenten soll eine spätere Anpassung des Programmablaufs \bzw die Implementierung weiterer Algorithmen einfach sein, was schnelles Prototyping und Testen fördern soll. Das Ergebnis ist ein automatisch generierter Bericht, anhand dessen die Ergebnisdaten untersucht werden können.
|
||||
|
||||
Schlussendlich müssen die in \hyperref[implementierung]{Implementierung} generierten Daten evaluiert werden. Dazu werden die jeweiligen Sektionen des Berichts in \autoref{evaluierung} einzeln betrachtet und die Ergebnisse verglichen.
|
||||
Reference in New Issue
Block a user