Els documents gráfics són documents que expressen continguts semántics utilitzant
majoritáriament un llenguatge visual. Aquest llenguatge está format per un vocabulari
(símbols) i una sintaxi (relacions estructurals entre els símbols) que conjuntament
manifesten certs conceptes en un context determinat. Per tant, la interpretació dun
document gráfic per part dun ordinador implica tres fases. (1) Ha de ser capadçe
detectar automáticament els símbols del document. (2) Ha de ser capadç extreure les
relacions estructurals entre aquests símbols. I (3), ha de tenir un model del domini per
tal poder extreure la semántica. Exemples de documents gráfics de diferents dominis
són els planells darquitectural i d’enginyeria, mapes, diagrames de flux, etc.
El Reconeixement de Gráfics, dintre de lárea de recerca de Análisi de Documents,
neix de la necessitat de la indústria dinterpretar la gran quantitat de documents gráfics
digitalitzats a partir de laparició de lescáner. Tot i que molts anys han passat daquests
inicis, el problema de la interpretació automática de documents sembla encara estar
lluny de ser solucionat. Básicament, aquest procés sha alentit per una raó principal:
la majoria dels sistemes dinterpretació que han estat presentats per la comunitat són
molt centrats en una problemática específica, en el que el domini del document marca
clarament la implementació del mètode. Per tant, aquests mètodes són difícils de
ser reutilitzats en daltres dades i marcs daplicació, estancant així la seva adopció i
evolució en favor del progrés.
En aquesta tesi afrontem el problema de la interpretació automática de documents
gráfics a partir dun seguit de models relacionals que treballen a tots els nivells
del problema, i que han estat dissenyats des dun punt de vista genèric per tal de que
puguin ser adaptats a diferents dominis. Per una part, presentem 3 mètodes diferents
per a lextracció dels símbols en un document. El primer tracta el problema des dun
punt de vista estructural, en el que el coneixement general de lestructura dels símbols
permet trobar-los independentment de la seva aparença. El segon és un mètode estad
ístic que aprèn laparença dels símbols automáticament i que, per tant, sadapta a
la gran variabilitat del problema. Finalment, el tercer mètode és una combinació
dambdós, heretant els beneficis de cadascun dels mètodes. Aquesta tercera implementaci
ó no necessita de un aprenentatge previ i a més sadapta fácilment a múltiples
notacions gráfiques. D’altra banda, presentem dos mètodes per a la extracció del context
visuals. El primer mètode segueix una estratègia bottom-up que cerca les relacions
estructurals en una representació de graf mitjançant algorismes dintel_ligència artificial.
La segona en canvi, és un mètode basat en una gramática que mitjançant un model
probabilístic aprèn automáticament lestructura dels planells. Aquest model guia la
interpretació del document amb certa independència de la implementació algorísmica.
Finalment, hem definit una base del coneixement fent confluir una definició ontol`ogica
del domini amb dades reals. Aquest model ens permet raonar les dades des dun punt
de vista contextual i trobar inconsistències semántiques entre les dades. Leficiència
daquetes contribucions han estat provades en la interpretació de planells darquitectura.
Aquest documents no tenen un estándard establert i la seva notació gráfica
i inclusió dinformació varia de planell a planell. Per tant, és un marc rellevant del
problema de reconeixement gráfic. A més, per tal de promoure la recerca en termes
de interpretació de documents gráfics, fem públics tant les dades, leina per generar
les dades i els evaluadors del rendiment. / Graphical documents express complex concepts using a visual language. This language
consists of a vocabulary (symbols) and a syntax (structural relations among
symbols) that articulate a semantic meaning in a certain context. Therefore, the
automatic interpretation of these sort of documents by computers entails three main
steps: the detection of the symbols, the extraction of the structural relations among
these symbols, and the modeling of the knowledge that permits the extraction of
the semantics. Different domains in graphical documents include: architectural and
engineering drawings, maps, flowcharts, etc.
Graphics Recognition in particular and Document Image Analysis in general are
born from the industrial need of interpreting a massive amount of digitalized documents
after the emergence of the scanner. Although many years have passed, the
graphical document understanding problem still seems to be far from being solved.
The main reason is that the vast majority of the systems in the literature focus on
a very specific problems, where the domain of the document dictates the implementation
of the interpretation. As a result, it is difficult to reuse these strategies on
different data and on different contexts, hindering thus the natural progress in the
field.
In this thesis, we face the graphical document understanding problem by proposing
several relational models at different levels that are designed from a generic perspective.
Firstly, we introduce three different strategies for the detection of symbols.
The first method tackles the problem structurally, wherein general knowledge of the
domain guides the detection. The second is a statistical method that learns the
graphical appearance of the symbols and easily adapts to the big variability of the
problem. The third method is a combination of the previous two inheriting their
respective strengths, i.e. copes the big variability and does not need of annotated
data. Secondly, we present two relational strategies that tackle the problem of the
visual context extraction. The first one is a full bottom up method that heuristically
searches in a graph representation the contextual relations among symbols. Contrarily,
the second is syntactic method that models probabilistically the structure of the
documents. It automatically learns the model, which guides the inference algorithm
to counter the best structural representation for a given input. Finally, we construct a
knowledge-based model consisting of an ontological definition of the domain and real
data. This model permits to perform contextual reasoning and to detect semantic
inconsistencies within the data. We evaluate the suitability of the proposed contributions
in the framework of floor plan interpretation. Since there is no standard in the modeling of these documents, there exists an enormous notation variability and the
sort of information included in the documents also varies from plan to plan. Therefore,
floor plan understanding is a relevant task in the graphical document understanding
problem. It is also worth to mention that, we make freely available all the resources
used in this thesis (the data, the tool used to generate the data, and the evaluation
scripts) aiming at fostering the research in graphical document understanding task.
Identifer | oai:union.ndltd.org:TDX_UAB/oai:www.tdx.cat:10803/284974 |
Date | 01 December 2014 |
Creators | Heras, Lluís-Pere de las |
Contributors | Sánchez Albaladejo, Gema, Universitat Autònoma de Barcelona. Departament d'Informàtica |
Publisher | Universitat Autònoma de Barcelona |
Source Sets | Universitat Autònoma de Barcelona |
Language | English |
Detected Language | English |
Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
Format | 137 p., application/pdf |
Source | TDX (Tesis Doctorals en Xarxa) |
Rights | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/es/, info:eu-repo/semantics/openAccess |
Page generated in 0.0031 seconds