SVEUČILIŠTE U ZAGREBU FILOZOFSKI FAKULTET ODSJEK ZA INFORMACIJSKE I KOMUNIKACIJSKE ZNANOSTI KATEDRA ZA ARHIVISTIKU I DOKUMENTALISTIKU Marta Dević Hame
|
|
- Борка Јакшић
- пре 5 година
- Прикази:
Транскрипт
1 SVEUČILIŠTE U ZAGREBU FILOZOFSKI FAKULTET ODSJEK ZA INFORMACIJSKE I KOMUNIKACIJSKE ZNANOSTI KATEDRA ZA ARHIVISTIKU I DOKUMENTALISTIKU Marta Dević Hameršmit Analiza i optičko prepoznavanje rukopisa s herbarijskih etiketa u zbirci Herbarium Croaticum Diplomski rad Mentor: dr. sc. Hrvoje Stančić, red. prof. Neposredni voditelj: Vedran Šegota, dipl. ing. bio. (Botanički zavod, Biološki odsjek, PMF) Zagreb, srpanj 2018.
2 Sadržaj 1. Uvod Optičko prepoznavanje Optičko prepoznavanje znakova Inteligentno prepoznavanje znakova Prepoznavanje rukopisa Herbarij Herbarijske zbirke Herbarijske etikete Ciljevi Materijali i metode Materijali Metode Rezultati i rasprava Analiza rukopisa Analiza rukopisa Stjepana Gjurašina Analiza rukopisa Ambroza Haračića Analiza rukopisa Dragutina Hirca Analiza rukopisa Stjepana Horvatića Analiza rukopisa Bohuslava Jiruša Analiza rukopisa Miška Plazibata Analiza rukopisa Ljerke Regula-Bevilacqua Analiza rukopisa Ljudevita Rossia Analiza rukopisa Josipa Kalasancija Schlossera-Klekovskog Analiza rukopisa Ljudevita Vukotinovića Analiza dostupnih programa za optičko prepoznavanje znakova i rukopisa Zaključak Popis slika Literatura Sažetak Summary... 52
3 1. Uvod Volontirajući u herbarijskoj zbirci Herbarium Croaticum Botaničkog zavoda Biološkog odsjeka Prirodoslovno-matematičkog fakulteta u Zagrebu i kroz studentski posao na digitalizaciji herbarijske zbirke u Hrvatskom prirodoslovnom muzeju u Zagrebu susrela sam se s herbarijskim etiketama i problematikom njihovog iščitavanja prilikom prepisivanja njihovog sadržaja u inventarnu knjigu i u bazu podataka Flora Croatica. Studentsku praksu sam provela fokusirajući se na rukopise s herbarijskih etiketa, što je na kraju i dovelo do odabira teme ovog diplomskog rada. Od velike koristi prilikom iščitavanja etiketa bilo bi i optičko prepoznavanje slova rukopisa, jer pojedini autori etiketa imaju i do nekoliko tisuća etiketa pisanih rukom, a rijetko kad je rukopis lako čitljiv. Herbarijske etikete su prilično stare, mnoge datiraju i iz 19. stoljeća, kada su pisane na različitim jezicima (latinskim, hrvatskim, njemačkim, talijanskim), a i tadašnji hrvatski jezik se razlikuje od današnjeg suvremenog jezika. U prvom dijelu ovog rada fokus će biti na teoriji optičkog prepoznavanja znakova, dok će u drugom dijelu kroz rezultate i raspravu fokus biti na analizi rukopisa i trenutnim mogućnostima programa otvorenog koda. 1
4 1.1. Optičko prepoznavanje Optičko prepoznavanje od velike je važnosti danas kada je prisutna masovna digitalizacija, posebice u knjižnicama. Značajna je količina povijesnih knjiga, časopisa i novina već digitalizirana i dostupna online za pretraživanje i pregledavanje. Situacija je potpuno drugačija kada pogledamo arhive. Iako veliki državni i regionalni arhivi čuvaju veliku količinu arhivskoga gradiva, digitalizacija u njima zaostaje za knjižnicama. Razlog dijelom leži i u nedostatku tehnologije koja se može nositi s rukopisnim dokumentima i pretvoriti ih u tekst koji se može uređivati Optičko prepoznavanje znakova Christensson (2018) navodi da je OCR (engl. optical character recognition) tj. optičko prepoznavanje znakova tehnologija koja prepoznaje tekst unutar digitalne slike. Obično se koristi za prepoznavanje teksta u skeniranim dokumentima, ali služi i u druge svrhe. OCR softver obrađuje digitalnu sliku lociranjem i prepoznavanjem znakova, kao što su slova, brojevi i simboli. Neki OCR softver će jednostavno izvesti tekst, dok drugi programi mogu pretvoriti znakove u tekst koji se može uređivati izravno na slici. OCR tehnologija može se koristiti za pretvaranje tiskane kopije dokumenta u elektroničku verziju. Skeniranjem dokumenta dobiva se digitalna slika, kao što je npr. TIFF datoteka, učitavanjem slike u OCR program on će prepoznati tekst i pretvoriti dokument u tekstualnu datoteku koja se može uređivati. Neki OCR programi omogućuju skeniranje dokumenta i pretvorbu u dokument za obradu teksta u jednom koraku. Iako je OCR tehnologija izvorno dizajnirana za prepoznavanje tiskanog teksta, može se koristiti i za prepoznavanje i provjeru jednostavnijeg rukopisnog teksta. Na primjer, poštanske usluge kao što je američka poštanska služba USPS, koriste OCR softver za automatsko obrađivanje slova i paketa na temelju adrese. Algoritam provjerava skenirane informacije u bazi podataka postojećih adresa kako bi potvrdio poštansku adresu. Aplikacija za pametni telefon Google Prevoditelj obuhvaća OCR tehnologiju koja radi s fotoaparatom uređaja i pri tome omogućuje uzimanje teksta iz dokumenata, časopisa, znakova iz drugih izvora i prevođenje na drugi jezik u stvarnom vremenu. 2
5 Inteligentno prepoznavanje znakova Prema Abbyy Technology portalu Inteligentno prepoznavanje znakova je nadograđena verzija optičkog prepoznavanja znakova. ICR (engl. intelligent character recognition) se odnosi na rukom pisane znakove koji su odvojeni, napisani kao pojedinačni znakovi. Polja u koja se pišu znakovi moraju biti strojno čitljivog oblika (Slika 1). ICR ne podrazumijeva prepoznavanje rukopisa. Slika 1: Prikaz izgleda polja za strojno čitanje rukom pisanih slova (Izvor: Prema ITWissen, inteligentno prepoznavanje znakova ručno pisane tekstove i brojeve pretvara u strojno čitljive znakove i dokumente. Inteligencija prepoznavanja znakova ICR-a ogleda se u korekciji pogrešnih znakova. Kvaliteta rezultata poboljšana je semantičkim korelacijama, jezičnim i statističkim metodama, usporedbom s pohranjenim referentnim uzorcima i ispitivanjem prema rječnicima. U korekciji rezultata, to dovodi do pogrešno tumačenog znaka koji se ispravlja nakon semantičke klasifikacije ili nakon usporedbe s rječnicima. Na primjer, ako ICR softver interpretira "u" kao "a" u riječi "muk", što bi dovelo do riječi "mak", semantički kontekst pretvara slovo "a" u "u", a time ispravlja pogrešno prepoznavanje teksta. ICR tehnologija prepoznavanja rukopisa polje je koje nije u potpunosti razvijeno, a razina preciznosti koju pružaju mnogi takvi programski paketi nisu baš dobri. Uspoređujući razinu točnosti softvera za inteligentno prepoznavanje znakova u odnosu na softver za optičko prepoznavanje znakova (OCR), zamjetni su nedostatci u kvaliteti u odnosu na OCR softver. Softveri za inteligentno prepoznavanje znakova, koriste neuronske mreže koje zahtijevaju stalno učenje, a treniranjem se povećavaju stope točnosti. 3
6 Prepoznavanje rukopisa Optičko prepoznavanje rukopisa u novije vrijeme jedno je od zahtjevnijih i fascinantnijih istraživanja u području obrade slike i prepoznavanju uzoraka. Amrutiya Hirali, Moghariya Payal i Shah Vatsal (2014) navode da je HCR (engl. hand written character recognition) tehnika koja se koristi za prepoznavanje znakova rukopisa. Razlikuju se dvije metode prepoznavanja rukopisa, a to su online i offline prepoznavanje znakova rukopisa. Online prepoznavanje rukopisa uključuje automatsku konverziju teksta koji je napisan na posebnom digitalizatoru ili PDA uređaju, gdje senzor uzima pokrete vrha olovke i pokrete olovke gore-dolje. Takva vrsta olovke poznata kao digitalna tinta može se smatrati digitalnim prikazom rukopisa. Dobiveni signali pretvaraju se u šifre slova koje se mogu koristiti unutar računala i za programe za obradu teksta. Offline prepoznavanje rukopisa uključuje konverziju teksta sa slike u šifre slova koje se mogu koristiti na računalu i programima za obradu teksta. Podatci dobiveni na ovakav način smatraju se statičkim prikazom rukopisa. Ved Prakash Agnihotri (2012) ističe da se sustavima za offline prepoznavanje rukopisa koriste aplikacije za razvrstavanje pošte, čitanje dokumenata i prepoznavanje adresa te banke za različite transakcije. Područje prepoznavanja rukopisa i dalje je aktivno za istraživanje novih tehnika koje bi poboljšale točnost prepoznavanja. Prema Hirali, Payal i Vatsal (2014) prepoznavanje znakova rukopisa uključuje sljedeće korake: 1. Preuzimanje slike (engl. Image acquisition) - potrebna je skenirana slika kao ulazna slika. Format može biti JPEG, BMP, JIF itd. 2. Prethodna obrada (engl. Preprocesing) - ovaj korak uključuje osnovnu obradu slike prije nego što se koristi za prepoznavanje u sustavu. Slika mora biti obrađen na takav način da je sustav može razumjeti. Koraci koji su uključeni u ovu fazu su: Uklanjanje šuma Postoji nekoliko razloga zbog kojih se šum pojavi u slikama. Može biti iz mehanizma koji se koristi za dobivanje slike, filmskog zrna ili elektronskog prijenosa slika, a može se ukloniti filtriranjem. Binarizacija 4
7 Binarizacija je proces u kojem se prvo sliku RGB boje pretvori u sivu, a sliku sive boje pretvori u binarnu sliku dokumenta. Zatim se svaki piksel na slici pretvara u jedan bit i dodjeljuje mu se vrijednost 0 ili 1 ovisno o srednjoj vrijednosti svih piksela. Otkrivanje rubova Rub je područje gdje se intenzitet objekta drastično mijenja. Često se povezuju rubovi granica objekata na slici kako bi se detekcija ruba koristila za prepoznavanje rubova slika. Rubovi se otkrivaju pomoću algoritama. Proširivanje i punjenje Osnovni učinak korištenja proširivanja na binarnoj slici je postupno povećanje granice područja piksela. Tako površine piksela u prvom planu rastu, a rupe unutar njih postaju manje. Obrada slike za ekstrakciju značajki U ovoj fazi, značajke znakova koje su ključne za njihovo razvrstavanje se ekstrahiraju. Ovo je važna faza, jer djelotvorno ekstrahiranje poboljšava stopu prepoznavanja i smanjuje pogrešnu klasifikaciju. 3. Segmentacija treći korak je segmentiranje ili rastavljanje riječi i rečenica na znakove ili slova tako da se postavi jasna granica između njih. To je potrebno, jer se algoritmi za prepoznavanje mogu primijeniti samo na pojedini znak ili slovo, a ne i na cijele riječi. Također, svakom znaku se smanjuje rezolucija. 4. Prepoznavanje - u posljednjem koraku, sustav pokušava analizirati i prepoznati znak koji mu je zadan. 5. Naknadna obrada 1.2. Herbarij Herbariji služe za pohranu i čuvanje te za istraživanje i proučavanje raznolikosti biljnih vrsta. Prema Hrvatskom jezičnom portalu herbarij je zbirka osušenih i prešanih biljki ili njihovih dijelova, a naziva se još i biljnik ili herbar. Herbariji služe prvenstveno 5
8 istraživačima koji se bave sistematskom botanikom i taksonomijom te florom nekog područja. Oni omogućavaju uvid u bioraznolikost nekog područja, dok iznimno očuvani primjerci mogu služiti u istraživačke svrhe. Uz znanstvenu ulogu, herbariji imaju važnu ulogu u nastavi iz botanike te u populariziranju znanosti Herbarijske zbirke Herbarijske zbirke predstavljaju kulturno blago, jer se radi o povijesnim zbirkama koje su trajni zapis djelatnosti botaničara i istraživača nekog vremena. Razvojem digitalizacije i on-line baza podataka herbarijske zbirke dobivaju na važnosti, jer brzo i jednostavno postaju dostupne velikom broju istraživača i ostalih korisnika. Herbarijske zbirke se najčešće nalaze uz botaničke institucije i prirodoslovne muzeje. U Hrvatskoj ima nekoliko herbarijskih zbirki. Najveća i najstarija je u Botaničkom zavodu Prirodoslovno-matematičkoga fakulteta u Zagrebu. Herbarijske zbirke se označavaju standardiziranim međunarodnim kraticama. Dvije herbarijske zbirke Biološkog odsjeka PMF-a su Herbarium Croaticum (ZA) i Herbarijska zbirka Ive i Marije Horvat (ZAHO). Digitalizacija i sistematizacija herbarijskih listova ZA i ZAHO zbirke provodi se putem baze Flora Croatica (FCD). Sistematizacija materijala u bazu FCD sprovodi se od godine, a do 12. lipnja godine sistematizirano je primjeraka iz ZA zbirke i primjeraka iz ZAHO zbirke. Godine počelo se sa skeniranjem herbarijskih listova i do 12. lipnja skenirano je primjeraka iz ZA zbirke i oko 454 primjeraka iz ZAHO zbirke Herbarijske etikete Pravilno sastavljena etiketa na sebi ima označen naziv herbarijske zbirke kojoj herbarijski list pripada, ime biljke na latinskom jeziku, nalazište (lokalitet ili mjesto s kojeg je biljka ubrana), zatim stanište ili značajke nalazišta, datum sakupljanja, ime sakupljača i ime osobe koja je biljku determinirala (odredila porodicu, rod, vrstu, a uz to mogu biti navedeni i neki drugi podatci). Na slici 2 su prikazane etikete različitih autora iz Herbarium Croaticum 6
9 (ZA) zbirke. Tako npr. na prvoj etiketi piše pripadnost herbariju (ex herbario Ludovici Rossi), u lijevom gornjem kutu piše redni broj (inventarni broj sakupljača) unutar herbarija kojem pripada. Što je taj broj veći, to je biljka kasnije sistematizirana. Osim toga, na etiketi piše i latinski naziv biljke, nalazište, datum sabiranja i potpis. Količina podataka na etiketi ovisi o autoru, tako na nekim etiketama može pisati samo naziv biljke i potpis. Slika 2: Primjeri herbarijskih etiketa (Izvor: Baza Flora Croatica) 7
10 2. Ciljevi Ciljevi ovoga rada su: analizirati raznolikost rukopisa sakupljača iz zbirke Herbarium Croaticum pohranjenih u bazi podataka Flora Croatica, u daljnjem tekstu FCD, izraditi abecede rukopisa najčešćih sakupljača u bazi FCD za potrebe budućih korisnika, analizirati mogućnosti optičkog prepoznavanja rukopisa pomoću softvera otvorenog koda dostupnih na internetu. 3. Materijali i metode 3.1. Materijali U ovom radu korišteni su herbarijski listovi pohranjeni u herbarijskoj zbirki Botaničkog zavoda PMF-a (Herbarium Croaticum). Točnije, korišteni su skenovi dotičnih herbarijskih listova pohranjeni u online bazi podataka Flora Croatica, u TIFF formatu visoke rezolucije (minimalno 300 dpi). 8
11 Slika 3: Herbarijski list iz ZA herbarijske zbirke (Izvor: Baza Flora Croatica) 9
12 3.2. Metode Korištene su digitalne fotografije (skenovi) herbarijskih listova iz baze FCD koje su u nekomprimiranom formatu (TIFF format). Za svakog autora (sakupljača herbarijskih primjeraka) nasumično je izabrano po 10 herbarijskih etiketa s kojih su izrezana sva slova u programu Adobe Photoshop CS4. Sva slova su rezana na veličinu 2x2 cm u rezoluciji 300 dpi, a pohranjena su u TIFF formatu. Slova su od ostalih slova na etiketi izdvojena pojedinačno korištenjem alata za izrezivanje (engl. crop) i uklanjanjem susjednih slova alatom za kloniranje (engl. clone stamp). Ona slova za koja nije bilo pronađeno minimalno tri primjerka, tražila su se ciljano s etiketa s potrebnim slovima. Etikete se pretraživalo u tražilici FCD-a po određenom slovu, tako što se u tražilicu u polje pretraživanja nalazišta unijelo slovo između dvije zvjezdice npr. slovo *š*. Izrezane fotografije su sistematizirane u direktorije, na način da je svaki autor dobio svoj direktorij, svako slovo unutar direktorija autora svoj direktorij, zasebno velika i mala slova. Slika 4: Sistematizacija izrezanih slova pohranjenih na računalu 10
13 4. Rezultati i rasprava U ovom djelu će pojedinačno za svakog autora biti prikazana analiza rukopisa s izrađenom abecedom rukopisa i pratećim slikama. U radu su korištene etikete koje su prethodno već bile pročitane, dešifrirane, ali su usprkos tomu tijekom izrezivanja slova primijećene pogreške te je ponekad bilo potrebno točna slova (riječi) potražiti u tražilici FCD baze ili preko tražilice Google. Na kraju će biti navedeni programi koji su trenutno dostupni za optičko prepoznavanje Analiza rukopisa Ukupno je iz baze Flora Croatica preuzeto i korišteno 379 herbarijskih listova odnosno etiketa te je ukupno izrezano slova od toga malih i 829 velikih slova. Ako se u obzir uzme početnih 100 etiketa (10 etiketa po svakom autoru), tada je iz njih izrezano malih i 531 velikih slova. Od ukupnog broja malih slova najviše je bilo slova a (648), i (498), e (422), r (348), o (334) te s (317). Od ukupnog broja velikih slova najviše je bilo slova L (71), S (52), A (43), P (43) te O (40). Malo slovo dž te velika slova X i Đ nisu pronađena ni na jednoj etiketi u bazi podataka. Za izrezivanje slova utrošeno je ukupno 77 sati, na traženje dodatnih etiketa za slova kojih u prvotno odabranih 10 etiketa nije bilo minimalno 3 primjerka bilo je potrebno oko 20 sati, a za montažu abeceda oko 8,5 sati. U prosjeku je po jednom slovu utrošeno 1,05 minute vremena bez preuzimanja prvih 10 etiketa za svakog autora. 11
14 Analiza rukopisa Stjepana Gjurašina Stjepan Gjurašin hrvatski je botaničar koji je živio od do godine. Doktorirao je prirodne znanosti i predavao sistematiku i morfologiju bilja na Filozofskom fakultetu u Zagrebu. Njegovo područje proučavanja su bile floristika i mikologija. Pisao je znanstvene i stručne radove te školske udžbenike. Ukupno je s 34 etikete izrezano 395 malih te 81 veliko slovo. Najviše je izrezano malih slova a, a brojnost svih malih slova vidljiva je na slici 5. Na slici 6 vidi se da je od velikih slova najzastupljenije slovo L, a zatim slova K i V. Od dostupnih velikih i malih slova složena je abeceda prikazana na slici 7. Vizualnim pregledom baze slova rukopisa Stjepana Gjurašina uočeno je da koristi dva načina pisanja, krasopis i obični rukopis. Koristi se pisanim slovima, a tiskana slova ne koristi. Slova nisu konstantne veličine, prevladavaju sitna, ponekad razvučena slova. Malo slovo k više sliči velikom slovu R. Veliko slovo M podsjeća na slovo u, slovo P više podsjeća na slovo O, mala slova t se međusobno dosta razlikuju, slovo o ponekad sliči slovu v, a p slovu f, kod slova r koristi dva načina njegovog pisanja, što je razumljivo obzirom da sa su etikete iz 19. stoljeća. Rukopis je općenito teže čitljiv. 12
15 brojnost slova brojnost slova a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 5: Brojnost pojedinih malih slova rukopisa Stjepana Gjurašina generiranih s 10 nasumično izabranih herbarijskih etiketa A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 6: Brojnost pojedinih velikih slova rukopisa Stjepana Gjurašina generiranih s 10 nasumično izabranih herbarijskih etiketa 13
16 Slika 7: Abeceda rukopisa Stjepana Gjurašina dobivena iz herbarijskih etiketa 14
17 brojnost slova Analiza rukopisa Ambroza Haračića Ambroz Haračić hrvatski je botaničar i meteorolog, rođen 1855., umro godine. Proučavao je floru Malog Lošinja i okolnih malih otoka, vodio je svoju meteorološku stanicu i vlastitu herbarijsku zbirku, koja je danas u Hrvatskom herbariju Botaničkog zavoda PMF-a u Zagrebu. Slova su skupljena sa 48 etiketa, ukupno 493 mala te 76 velikih slova, najviše je sakupljeno malih slova a, vidljivo na slici 8. Iz slike 9 je vidljivo da je od velikih slova najviše slova O. Od skupljenih slova složena je abeceda prikazana na slici 10. Vizualnim pregledom baze slova rukopisa Ambroza Haračića uočeno je da je rukopis teško čitljiv. Autor piše pisanim slovima, najčešće su mu slova nejednaka i sitna, nagnuta u desno, a između riječi su veći razmaci. Uz hrvatski koristi i talijanski jezik. Točkice i crtice (npr. crtice na slovu t) stavlja na kraju napisane riječi, tako da točkica bude iznad nekog drugog slova ili crtica slova t pokraj t ili je jako duga. Slova u i n su često jako slična, slovo p nekad je sličnije slovu l ili b. Slovo r nekad sliči slovu v, slova o i a često nisu zatvoreni kružići, slovo a često pisano iz dva poteza a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 8: Brojnost pojedinih malih slova rukopisa Ambroza Haračića generiranih s 10 nasumično izabranih herbarijskih etiketa 15
18 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 9: Brojnost pojedinih velikih slova rukopisa Ambroza Haračića generiranih s 10 nasumično izabranih herbarijskih etiketa 16
19 Slika 10: Abeceda rukopisa Ambroza Haračića dobivena iz herbarijskih etiketa 17
20 Analiza rukopisa Dragutina Hirca Dragutin Hirc je živio od do godine, bio je učitelj, botaničar i zoolog koji se bavio proučavanjem flore, prvenstveno obalnog područja Istre, Kvarnera i otoka, a u manjoj mjeri i ostalih dijelova Hrvatske. Njegova herbarijska zbirka je smještena u herbariju Botaničkog zavoda PMF-a. Slova su rezana s 40 etiketa, skupljeno je 470 je malih i 77 velikih slova. Od malih slova je najviše slova a, a brojnost ostalih slova vidljiva je na slici 11. Od velikih slova najbrojnije je slovo O, a brojnost ostalih slova vidljiva je na slici 12. Vizualnim pregledom baze slova rukopisa Dragutina Hirca uočeno je da su neke etikete pisane brzim, teže čitljivim rukopisom, a neke sporijim i jednoličnim, lakše čitljivim slovima. Sukladno tome kada slovo t piše iz jednog poteza, ono nema crtice, ali kad je pisano sporije, tada je crtica prisutna. Slova su sitna, uska i znatno ukošena u desno. Riječi imaju dovoljan razmak, dok slova u riječi često imaju malen razmak. Slovo lj nema točkicu i više izgleda kao da je jedno slovo. Slovo r piše na različite načine, nekad je to samo nekakva krivulja, nekad je kao što se i danas piše, a najčešće je znak karakterističan za 19./20. stoljeće, vidljivo na slici
21 brojnost slova brojnost slova a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 11: Brojnost pojedinih malih slova rukopisa Dragutina Hirca generiranih s 10 nasumično izabranih herbarijskih etiketa A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 12: Brojnost pojedinih velikih slova rukopisa Dragutina Hirca generiranih s 10 nasumično izabranih herbarijskih etiketa 19
22 Slika 13: Abeceda rukopisa Dragutina Hirca dobivena iz herbarijskih etiketa 20
23 brojnost slova Analiza rukopisa Stjepana Horvatića Stjepan Horvatić je živio od do godine. Bio je predstojnik Botaničkog zavoda i Botaničkog vrta PMF-a te član HAZU-a. Bavio se istraživanjem livadne i močvarne vegetacije te biljnog pokrova mediteranskog i submeditranskog krškog područja. Napisao je 30-ak znanstvenih radova. Slova su izrezivana s 15 etiketa te je skupljeno 702 malih slova i 71 veliko slovo, te je napravljena abeceda, vidi sliku 16. Najviše izrezanih malih slova je slova a, vidljivo na slici 14, a od velikih slova najviše je izrezanih slova P, njih 16, vidljivo na slici 15. Vizualnim pregledom baze slova rukopisa Stjepana Horvatića uočeno je da piše jednoličnim malim, šiljastim slovima, rukopis mu je znatno ukošen u desno i razvučen. Slova su lako čitljiva, osim kod slova u, m i n koja piše sitno i oštro pa je ponekad teže razaznati koje je slovo. Slova a i o piše zatvoreno, tako da ih se ne može zamijeniti npr. sa slovima u ili e. Kod pisanja malog slova r koristi dva načina pisanja a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 14: Brojnost pojedinih malih slova rukopisa Stjepana Horvatića generiranih s 10 nasumično izabranih herbarijskih etiketa 21
24 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 15: Brojnost pojedinih velikih slova rukopisa Stjepana Horvatića generiranih s 10 nasumično izabranih herbarijskih etiketa 22
25 Slika 16: Abeceda rukopisa Stjepana Horvatića dobivena iz herbarijskih etiketa 23
26 brojnost slova Analiza rukopisa Bohuslava Jiruša Bohuslav Jiruš rođen je u Pragu, a živio je od do godine. Doktorirao je medicinu, a godine je izabran za prvog redovitog profesora botanike na Sveučilištu u Zagrebu. Utemeljio je botaničko-fiziološki zavod na tadašnjem Mudroslovnom fakultetu, osnovao je herbarijsku zbirku i postavio temelje zavodske biblioteke, a od njega potječe i zamisao o osnivanju Botaničkog vrta. Za izrezivanje su korištene 24 etikete te je izrezano 354 malih i 81 veliko slovo. Brojnost malih slova vidljiva je na slici 17, a velikih na slici 18. Od izrezanih slova složena je abeceda na slici 18. Vizualnim pregledom baze slova rukopisa Bohuslava Jiruša uočeno je da koristi dva različita rukopisa, krasopis i obični rukopis. Kod etiketa koje su pisane krasopisom slova su jednolična, uspravna, velika i okrugla te lako čitljiva. Kod drugog rukopisa, koji je brže pisan, slova su teže čitljiva, ukošena u desno te su česti razmaci između pojedinih slova. Slova u i n su ponekad ista, što otežava njihovo određivanje. Slovo lj piše kao i Dragutin Hirc, j nije vidljivo i nema točkice tako da izgleda kao jedno slovo A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika mala abecede Slika 17: Brojnost pojedinih malih slova rukopisa Bohuslava Jiruša generiranih s 10 nasumično izabranih herbarijskih etiketa 24
27 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 18: Brojnost pojedinih velikih slova rukopisa Bohuslava Jiruša generiranih s 10 nasumično izabranih herbarijskih etiketa 25
28 Slika 19: Abeceda rukopisa Bohuslava Jiruša dobivena iz herbarijskih etiketa 26
29 brojnost slova Analiza rukopisa Miška Plazibata Miško Plazibat hrvatski je biolog, rođen godine. Bavio se stručnim radom u herbarijskoj zbirci te znanstvenim radom. Objavio je nekoliko radova iz područja virologije, vegetacije i flore. Kao stručni suradnik voditelj herbarijskih zbirki bio je u stalnom radnom odnosu u Botaničkom zavodu do godine. Ukupno je izrezano 773 malih slova, od kojih je najviše slova a (njih čak 98), vidljivo na slici 20. Velik slova je skupljeno 81, najviše je slova L, vidljivo na slici 21. Od dostupnih slova složena je abeceda na slici 22. Vizualnim pregledom baze slova rukopisa Miška Plazibata uočeno je da uz pisana slova koristi i velika tiskana slova, rukopis mu je čitljiv, iako slova nisu ujednačene veličine, piše blago nagnuto u desno. Kod pisanja slova s koristi u riječima i pisano s i tiskano s. Preko velikog slova V piše crticu na koju se nastavlja sljedeće slovo u riječi a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 20: Brojnost pojedinih malih slova rukopisa Miška Plazibata generiranih s 10 nasumično izabranih herbarijskih etiketa 27
30 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 21: Brojnost pojedinih velikih slova rukopisa Miška Plazibata generiranih s 10 nasumično izabranih herbarijskih etiketa 28
31 Slika 22: Abeceda rukopisa Miška Plazibata dobivena iz herbarijskih etiketa 29
32 brojnost slova Analiza rukopisa Ljerke Regula-Bevilacqua Ljerka Regula-Bevilacqua rođena je u Zagrebu godine, studirala je i doktorirala biologiju u Zagrebu. Bavila se geobotaničkim istraživanjima. Bila je dugi niz godina ravnateljica Botaničkog vrta u Zagrebu, objavila je 22 znanstvena i oko 20 stručnih radova, većinom u časopisu Acta Botanica Croatica. Uz 10 osnovnih etiketa za izrezivanje slova korišteno i je i 27 dodatnih etiketa, tako da je s ukupno 37 etiketa izrezano 554 malih slova, od kojih je najviše slova a, vidljivo i na slici 23., te 87 velikih slova. Najbrojnije veliko slovo je L, vidljivo na slici 24. Na slici 25 prikazana je abeceda od skupljenih slova. Vizualnim pregledom baze slova rukopisa Ljerke Regula-Bevilacqua uočeno je da piše uspravnim do blago u desno nakošenim rukopisom, slova nisu jednake veličine, mala su i obla. Kod slova u, n i r ponekad je teško odrediti o kojem se slovu radi. Veliko slovo M izgleda kao dva mala slova l, slovo a ponekad sliči slovu e, veliko slovo U podsjeća na malo slovo h, itd a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 23: Brojnost pojedinih malih slova rukopisa Ljerke Regula-Bevilacqua generiranih s10 nasumično izabranih herbarijskih etiketa 30
33 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 24: Brojnost pojedinih velikih slova rukopisa Ljerke Regula-Bevilacqua generiranih s 10 nasumično izabranih herbarijskih etiketa 31
34 Slika 25: Abeceda rukopisa Ljerke Regula-Bevilacqua dobivena iz herbarijskih etiketa 32
35 brojnost slova Analiza rukopisa Ljudevita Rossia Ljudevit Rossi živio je od do godine. Amaterski je počeo sa skupljanjem biljaka i istraživanjem hrvatske flore. Autor je važnog botaničkog djela Flora Dalmatica. Posebno je značajno djelo njegova herbarijska zbirka (Herbarium Croaticum Rossianum), koja sadrži oko herbarijskih listova, a danas je dio herbarijske zbirke Botaničkog zavoda. Iz 37 herbarijskih etiketa izrezana su 464 mala slova i 103 velika slova. Od malih slova najviše je slova a, vidljivo na slici 26. Od velikih slova prikazanih na slici 27 najviše je izrezano slova S, dok mnoga druga slova nedostaju. Na slici 28 prikazana je abeceda od skupljenih slova. Vizualnim pregledom baze slova rukopisa Ljudevita Rossia uočeno je da piše na latinskom jeziku. Kod pisanja velikih i malih slova razlika u veličini je jako naglašena, mala slova su jako sitna dok su velika višestruko veća uključujući i petlju kod slova l i ostalih slova koja su u visini velikih slova. Zbog specifičnog pisanja izrazito sitnih slova rukopis je teže čitljiv, iako je jednolik i slova su konstantne veličine. Primjerice, teško je odrediti koje je koje slovo u, n, ili o. Slovo a nije zatvoreno, slovo t piše iz jednog poteza te nema crticu, nego je crtica jako nisko i samo je nastavak za sljedeće slovo u riječi a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 26: Brojnost pojedinih malih slova rukopisa Ljudevita Rossia generiranih s 10 nasumično izabranih herbarijskih etiketa 33
36 brojnost slova A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 27: Brojnost pojedinih velikih slova rukopisa Ljudevita Rossia generiranih s 10 nasumično izabranih herbarijskih etiketa 34
37 Slika 28: Abeceda rukopisa Ljudevita Rossia dobivena iz herbarijskih etiketa 35
38 Analiza rukopisa Josipa Kalasancija Schlossera-Klekovskog Josip Kalasancije Schlosser-Klekovski, rođen je u Češkoj godine, završio je medicinu u Beču, a od živio je u Hrvatskoj. Bavio se ornitologijom i florom Hrvatske, zajedno s Ljudevitom Vukotinovićem je objavio 3 knjige o flori Hrvatske, od kojih je najznačajnija Flora Croatica. Dio svoje botaničke zbirke poklonio je Narodnom muzeju Zagrebu, što je postao temelj današnje herbarijske zbirke Herbarium Croaticum. Slova su izrezivana s ukupno 51 etikete te je izrezano 432 mala slova i 75 velikih slova. Od malih slova najviše je slova i (47) te slova a (46), što je vidljivo i na slici 29. Od velikih slova također je najbrojnije slovo I, vidljivo na slici 30. Vizualnim pregledom baze slova rukopisa Josipa Schlossera uočeno je da su mu slova značajno nagnuta u desnu stranu te su velike razlike u veličini malih i velikih slova. Piše na latinskom jeziku, rjeđe na hrvatskom ili njemačkom. Slova u riječi često imaju dosta velik razmak, nisu spojena, slova su sitna i teže ih je pročitati. Među slovima a, u i n teško je odrediti razliku, jer ih ponekad piše vrlo slično. Veliko slovo P ne sliči na tipično slovo P, dok malo slovo k sliči velikom slovu R. Općenito je vrlo velika varijabilnost u pisanju istih slova što je vidljivo i u abecedi na slici
39 brojnost slova brojnost slova a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 29: Brojnost pojedinih malih slova rukopisa Josipa Schlossera generiranih s 10 nasumično izabranih herbarijskih etiketa A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 30: Brojnost pojedinih velikih slova rukopisa Josipa Schlossera generiranih s nasumično izabranih 10 herbarijskih etiketa 37
40 Slika 31: Abeceda rukopisa Josipa Schlossera dobivena iz herbarijskih etiketa 38
41 Analiza rukopisa Ljudevita Vukotinovića Bio je hrvatski prirodoslovac, živio je u razdoblju od do godine. Za vrijeme njegovog rada u Narodnom muzeju utjecao je na povećanje prirodoslovne zbirke i na njezino sređivanje. Baveći se botanikom istraživao je biljni pokrov Hrvatske te objavio 3 djela zajedno s kolegom Josipom Kalasancijem Schlosser-Klekovskim. Slova su skupljana sa 41 etikete te je skupljeno 554 malih i 88 velikih slova. Od malih slova najviše je skupljeno slova i, brojnost ostalih malih slova vidljiva je na slici 32. Kod velikih slova najviše je skupljeno slova L i N (slika 33). Na slici 34 prikazana je abeceda sastavljena od izrezanih slova. Vizualnim pregledom baze slova rukopisa Ljudevita Vukotinovića uočeno je da slova piše ukošeno u desno, slova su međusobno prilično različita i rijetko da je isto slovo jednako već prethodno napisanom. Etikete su pisane na latinskom i hrvatskom jeziku, rukopis je općenito težak za čitanje. Slovo d piše jako specifično s ukrasnim zavijutkom nekad na lijevu, nekad na desnu stranu, dok veliko slovo D također ima zavijutak. Općenito je kod velikih slova naglašen produžetak slova ili je napravljen zavijutak, na način da se dio slova proteže preko pola riječi. U pisanju koristi dj umjesto slova đ. Malo slovo k sliči na veliko slovo R, a slova u i n je teško razlikovati. 39
42 brojnost slova brojnost slova a b c č ć d dž đ e f g h i j k l lj m n nj o p q r s š t u v w x y z ž mala slova abecede Slika 32: Brojnost pojedinih malih slova rukopisa Ljudevita Vukotinovića generiranih s 10 nasumično izabranih herbarijskih etiketa A B C Č Ć D DŽ Đ E F G H I J K L LJ M N NJ O P Q R S Š T U V W X Y Z Ž velika slova abecede Slika 33: Brojnost pojedinih velikih slova rukopisa Ljudevita Vukotinovića generiranih s 10 nasumično izabranih0 herbarijskih etiketa 40
43 Slika 34: Abeceda rukopisa Ljudevita Vukotinovića dobivena iz herbarijskih etiketa 41
44 4.2. Analiza dostupnih programa za optičko prepoznavanje znakova i rukopisa Istražujući na Internetu programe za optičko prepoznavanje znakova dobiven je sljedeći popis programa, zasebno za optičko prepoznavanje znakova (OCR), inteligentno prepoznavanje znakova (ICR) te prepoznavanje rukopisa (HTR). a) OCR programi Programi za OCR koji se plaćaju: BIT-Alpha proizvođača B.I.T. Bureau Ingénieur Tomasi FineReader proizvođača ABBYY FormPro proizvođača OCR Systeme KADMOS best OCR/ICR OCRKit za Mac OS i ios OmniPage proizvođača Nuance Communications (ranije: ScanSoft) Readiris proizvođača Image Recognition Integrated Systems Group (I. R. I. S), od 2013 pripada Canon-u NSOCR proizvođača Nicomsoft ARGUS_Script proizvođača Planet IS GmbH Screenworm za Mac OS proizvođača Funchip Teleform OCR programi dostupni kao rješenja u oblaku (SaaS): ABBYY Cloud OCR Google Cloud Vision (Beta) Microsoft Azure Computer Vision API OCR programi dostupni u slobodnom pristupu: FreeOCR GT Text OCRopus GOCR 42
45 CuneiForm Ocrad OCRFeeder Tesseract Primjer OCR programa: Tesseract je softver za prepoznavanje optičkih znakova kreiran za različite operativne sustave. Softver je otvorenog koda, besplatno dostupan, objavljuje se pod Apache licencom, Verzija 2.0, a od godine razvoj sponzorira Google. Slika 35: Izgled dijela početne stranice Tesseract OCR (Izvor: b) ICR programi Kadmos best OCR/ICR prepoznaje ručno i strojno pisane tekstove (ICR i OCR), podržava sve uobičajene operacijske sustave poput Windows Vista/7/8, Linux Suse32 / Ubuntu 64, Android, Apple OSX, Apple ios, Windows Mobile i drugih. 43
46 Slika 36: Izgled dijela početne stranice Kadmos best OCR (Izvor: A2iA s intelligent character recognition (ICR) technology Prepoznaje izolirane znakove razlikovanjem pojedinačnih oblika i veličina unutar svakog klasifikatora znakova - prepoznavanjem značajki kao što su krivulje, petlje i linije - i njihovo organiziranje na logičan i djelotvoran način prema korisničkim specifikacijama upravljanja informacijama. Leadtools c) HTR programi Transkribus i READ projekt Recognition and Enrichment of Archival Documents projekt Transkribus (Read.transkribus) je platforma za automatsko prepoznavanje, transkripciju i pretraživanje rukopisnih povijesnih dokumenata. Dio je programa READ (Recognition and Enrichment of Archival Documents) koji je sufinanciran iz EU fondova. Glavni zadatak READ projekta je učiniti arhivsko gradivo pristupačnijim kroz razvoj i diseminaciju sustava za HTR. Transkribus (Read.transkribus) nudi niz alata za automatsku obradu dokumenata, kao što su: Prepoznavanje ručno pisanog teksta (HTR) Analiza slike 44
47 Razumijevanje dokumenta Otkrivanje ključnih riječi Prepoznavanje optičkih znakova (OCR) pomoću programa ABBYY Finereader11 Cilj Transkribusa, prema Wikipedii, je pružiti podršku svima koji su uključeni u transkripciju povijesnih, tiskanih ili rukopisnih dokumenata, prvenstveno znanstvenicima, institucijama kao što su arhivi i knjižnice, ali i svim zainteresiranim koji se bave istraživanjem svojih predaka, poviješću i sl. Transkribus je namijenjen i programerima koji su u potrazi za novim izazovima. Platforma je besplatna i dostupna svim korisnicima, a s njom upravlja Sveučilište u Innsbrucku tj. skupina DEA (njem. Digitalisierung und Elektronische Archivierung; hrv. Digitalizacija i elektroničko arhiviranje). Europska unija podržava rad platforme kroz financiranje iz programa za istraživanja, FP7 projekt transcriptorium i Horizon Platforma je razvijena zahvaljujući tehničkom veleučilištu u Valenciji. Osnovni koncepti su (Wikipedia): Transkribus je besplatan program, nakon registracije ga se može preuzeti, ne spada u opensource programe. Transkribus nudi "zaštićeno" područje, dokumenti koji se podižu na sustav samo su nama na raspolaganju, nisu vidljivi drugima osim ako ih podijelimo s nama poznatim korisnicima. Nema transkripcije bez prethodne segmentacije. Da bi rukopis bio prepoznat, dokumente se prethodno mora podijeliti u tekstualne regije i dodati osnovne linije ili linije područja. To se može odraditi djelomično automatski ili djelomično ručno. Ručna transkripcija može se pokrenuti samo ako postoji prethodno napravljena automatska segmentacija. Transkribus se mora trenirati. U pravilu je potrebno trenirati i ručno napisati 50 stranica dokumenta, kako bi se preostale stranice dokumenta ili zbirke automatski prepoznale. Transkribus integrira usluge. Ne radi na lokalnom računalu, jer je prepoznavanje rukopisnih dokumenata vrlo zahtjevan proces za koji su potrebna jaka računala. Transkribus treba hranu. Što se više dokumenata obrađuje na platformi, to je više podataka dostupno za treniranje programa. 45
48 Transkribus je više od softvera za automatsko prepoznavanje. On je platforma dizajnirana tako da su dostupni i drugi oblici korištenja kao npr. mogućnost stvaranja digitalnih izdanja povijesnih dokumenata. Transkribus također čita tiskane dokumente, one koji su pisani gotičkim pismom. Transkribus je dio sustava virtualnog oblaka. Korisničko sučelje Transkribusa vidljivo na slici 37 sastoji se od 5 različitih elemenata (Wikipedia): Trake izbornika - nalazi se na vrhu. Kartice s lijeve strane - postojeće podkartice uglavnom pružaju informacije i postavke te služe za kretanje između stranica. Kartice s desne strane - pružaju razne alate. Područje slike (engl. Canvas) - uključujući traku izbornika, prikazuje sliku trenutne stranice i segmentirane dijelove teksta, retke, riječi. Područje teksta (engl. Editor) uključujući pripadajuću traku izbornika - omogućuje transkribiranje, ispravljanje, uređivanje itd. Područje teksta je izravno povezano s područjem slike. Prije transkripcije, kao što je već spomenuto, potrebno je sliku segmentirati. Prvo se segmentiranje provodi automatski, klikom na gumb, te program napravi točkice koje su povezane linijom i tako za svaki redak teksta, vidljivo na slici 38. Nakon toga se segmentacija može raditi i ručno. Ukoliko je list teksta bio ukrašen, program će i to prepoznati kao nekakav tekst te je potrebno izbrisati, odnosno dodati linije gdje je to potrebno, te se tek nakon toga provodi transkripcija. Na žalost, kod dostupne verzije Transkribusa, skinute s interneta, opcija train nije bila dostupna te nije bilo moguće provesti treniranje. Bez treniranja su rezultati jako loši, što je vidljivo i na slici 39 u dostupnoj verziji koja je skinuta s interneta. 46
49 Slika 37: Izgled sučelja programa Transkribus Slika 38: Prikaz segmentacije u programu Transkribus Slika 39: Prikaz transkripcije teksta u programu Transkribus 47
50 5. Zaključak U novije vrijeme kada sve više informacija primamo korištenjem moderne tehnologije od velike važnosti su baze podataka, tj. podaci pohranjeni u njima i dostupni za pretraživanje, istraživanje i preuzimanje. Prije nego što podaci dođu u baze podataka pred njima je dug put, a pri tome veliku važnost ima digitalizacija. Danas kada digitalizacija već široko rasprostranjena pojava, a sve više institucija radi na tome da gradivo bude dostupno što većem broju korisnika, od velike je važnosti i optičko prepoznavanje znakova. Ono olakšava korištenje i iskorištavanje digitaliziranog gradiva. Kada su u pitanju knjige koje su tiskane, situacija je puno bolja nego kada je u pitanju rukom pisani materijal. Istražujući u okviru rada mogućnosti koje se trenutno nude, uočen je velik nesrazmjer između optičkog prepoznavanja znakova, inteligentnog prepoznavanja znakova i prepoznavanja rukopisa. Trenutno su na tržištu brojni OCR programi od kojih su mnogi dostupni i besplatno. Kod prepoznavanja rukopisa situacija je bitno lošija te tehnologija još uvijek nije na toj razini da bi se rukopise moglo jednostavno pretvarati u strojno čitljiv i upotrebljiv oblik. U okviru praktičnog dijela rada provedena je analiza rukopisa 10 najčešćih autora iz herbarija Herbarium Croaticum u bazi Flora Croatica. Ukupno je za potrebnu analizu te izradu abecede za svakog pojedinog autora preuzeto 379 herbarijskih etiketa. Nakon početnih 10 nasumce izabranih etiketa za svakog autora s kojih su izrezana sva slova bilo je potrebno uzeti dodatne etikete kako bi se prikupila slova koja nedostaju. Kod većine autora je s 10 inicijalnih etiketa sakupljeno mnogo samoglasnika malih slova. Kod velikih slova najčešće su se pojavljivala slova L i S. Najrjeđa slova su bila dž, đ, Dž, Đ, Č, Ć, Y, X. Autori čije etikete potječu iz 19. stoljeća koriste se krasopisom i običnim rukopisom te pri pisanju etiketa koriste i druge jezike (latinski, talijanski, njemački). Samo kod jednog autora su prisutna velika tiskana slova na etiketama. Kako većina piše pisanim i teže čitljivim slovima, otežano je dešifriranje slova te će abecede rukopisa dobivene kroz ovaj rad zasigurno pomoći i olakšati rad budućim korisnicima herbarijske zbirke Herbarium Croaticum. 48
51 6. Popis slika Slika 1: Prikaz izgleda polja za strojno čitanje rukom pisanih slova... 3 Slika 2: Primjeri herbarijskih etiketa... 7 Slika 3: Herbarijski list iz ZA herbarijske zbirke... 9 Slika 4: Sistematizacija izrezanih slova pohranjenih na računalu Slika 5: Brojnost pojedinih malih slova rukopisa Stjepana Gjurašina generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 6: Brojnost pojedinih velikih slova rukopisa Stjepana Gjurašina generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 7: Abeceda rukopisa Stjepana Gjurašina dobivena iz herbarijskih etiketa Slika 8: Brojnost pojedinih malih slova rukopisa Ambroza Haračića generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 9: Brojnost pojedinih velikih slova rukopisa Ambroza Haračića generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 10: Abeceda rukopisa Ambroza Haračića dobivena iz herbarijskih etiketa Slika 11: Brojnost pojedinih malih slova rukopisa Dragutina Hirca generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 12: Brojnost pojedinih velikih slova rukopisa Dragutina Hirca generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 13: Abeceda rukopisa Dragutina Hirca dobivena iz herbarijskih etiketa Slika 14: Brojnost pojedinih malih slova rukopisa Stjepana Horvatića generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 15: Brojnost pojedinih velikih slova rukopisa Stjepana Horvatića generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 16: Abeceda rukopisa Stjepana Horvatića dobivena iz herbarijskih etiketa Slika 17: Brojnost pojedinih malih slova rukopisa Bohuslava Jiruša generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 18: Brojnost pojedinih velikih slova rukopisa Bohuslava Jiruša generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 19: Abeceda rukopisa Bohuslava Jiruša dobivena iz herbarijskih etiketa Slika 20: Brojnost pojedinih malih slova rukopisa Miška Plazibata generiranih s 10 nasumično izabranih herbarijskih etiketa
52 Slika 21: Brojnost pojedinih velikih slova rukopisa Miška Plazibata generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 22: Abeceda rukopisa Miška Plazibata dobivena iz herbarijskih etiketa Slika 23: Brojnost pojedinih malih slova rukopisa Ljerke Regula-Bevilacqua generiranih s10 nasumično izabranih herbarijskih etiketa Slika 24: Brojnost pojedinih velikih slova rukopisa Ljerke Regula-Bevilacqua generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 25: Abeceda rukopisa Ljerke Regula-Bevilacqua dobivena iz herbarijskih etiketa Slika 26: Brojnost pojedinih malih slova rukopisa Ljudevita Rossia generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 27: Brojnost pojedinih velikih slova rukopisa Ljudevita Rossia generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 28: Abeceda rukopisa Ljudevita Rossia dobivena iz herbarijskih etiketa Slika 29: Brojnost pojedinih malih slova rukopisa Josipa Schlossera generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 30: Brojnost pojedinih velikih slova rukopisa Josipa Schlossera generiranih s nasumično izabranih 10 herbarijskih etiketa Slika 31: Abeceda rukopisa Josipa Schlossera dobivena iz herbarijskih etiketa Slika 32: Brojnost pojedinih malih slova rukopisa Ljudevita Vukotinovića generiranih s 10 nasumično izabranih herbarijskih etiketa Slika 33: Brojnost pojedinih velikih slova rukopisa Ljudevita Vukotinovića generiranih s 10 nasumično izabranih0 herbarijskih etiketa Slika 34: Abeceda rukopisa Ljudevita Vukotinovića dobivena iz herbarijskih etiketa Slika 35: Izgled dijela početne stranice Tesseract OCR Slika 36: Izgled dijela početne stranice Kadmos best OCR Slika 37: Izgled sučelja programa Transkribus Slika 38: Prikaz segmentacije u programu Transkribus Slika 39: Prikaz transkripcije teksta u programu Transkribus
53 7. Literatura A2ia, dostupno na: Abbyy technology portal, dostupno na: Agnihotri, V. P. (2012). Offline Handwritten Devanagari Script Recognition. I.J. Information Technology and Computer Science, 8: Preuzeto sa: ( ). Christensson, P. (2018). OCR Definition, dostupno na: Enciklopedija leksikografskog zavoda Miroslav Krleža, dostupna na Flora Croatica Database, dostupna na Herbarium Croaticum, dostupan na: Hirali S. A., Payal P. M. i Vatsal H. S. (2014). Handwritten character recognition. International Journal of Advance Engineering and Research Development, 1(4): 1-6. Preuzeto sa: Hrvatski jezični portal, dostupan na: Hrvatsko botaničko društvo, dostupno na: ITWiessen, dostupno na: Leadtools, dostupno na: Read.transkribus, dostupno na: Tesseract, dostupno na: Wikipedia. dostupno na:
54 Sažetak Analiza i optičko prepoznavanje rukopisa s herbarijskih etiketa u zbirci Herbarium Croaticum Rad obuhvaća teorijski i praktični dio pripreme i procesa analiziranja rukopisa i stvaranja baze slova. Cilj rada je analizirati raznolikost rukopisa sakupljača iz zbirke Herbarium Croaticum pohranjenih u bazi podataka Flora Croatica te stvoriti bazu slova rukopisa 10 najčešćih sakupljača biljaka iz zbirke Herbarium Croaticum Botaničkog zavoda Biološkog odsjeka PMF-a u Zagrebu. Svrha ovog rada je olakšati i ubrzati korisnicima pretraživanje, čitanje i dešifriranje rukopisa kroz stvaranje abecede za svakog od 10 izabranih autora. Kroz teorijski dio, uz pojmove herbarija, herbarijske zbirke i etikete rad se bavi i optičkim prepoznavanjem znakova i rukopisa (OCR-om, ICR-om i HCR-om) te mogućom primjenom u digitalizaciji herbarijskih zbirki. U okviru rezultata praktičnog dijela prikazani su koraci koji su potrebni za ostvarenje takvog cilja kao i programi koji se mogu koristiti. Ključne riječi: rukopis, herbarijska etiketa, baza podataka, optičko prepoznavanje znakova i rukopisa Analysis and Optical Recognition of Handwriting from Herbarium Labels in the Herbarium Croaticum Collection Summary This thesis consists of theoretical and practical part of preparation process of analysis of handwritings and creation of database of characters. The goal is to analyze the diversity of handwriting collections from the Herbarium Croaticum collection stored in the Flora Croatica database and to create a database of the handwriting characters from the 10 most common plant collectors from the Herbarium Croaticum collection of the Botanical Division of the Biology Department, Faculty of Science, University of Zagreb. The aim of this thesis is to facilitate and speed up the search, reading and decrypting handwriting process for users by creating alphabets for each of the 10 selected authors. In the theoretical part, the concepts of herbarium, herbarium collection and label are explained and examined. It also deals with the optical recognition of characters and manuscripts (OCR, ICR, HCR) and the possible application in the digitization of herbarium collections. Within the practical part of the results, 52
Recuva CERT.hr-PUBDOC
Recuva CERT.hr-PUBDOC-2019-5-379 Sadržaj 1 UVOD... 3 2 INSTALACIJA ALATA RECUVA... 4 3 KORIŠTENJE ALATA RECUVA... 7 4 ZAKLJUČAK... 13 Ovaj dokument izradio je Laboratorij za sustave i signale Zavoda za
ВишеMicrosoft Word - 6. RAZRED INFORMATIKA.doc
Kriteriji ocjenjivanja i vrednovanja INFORMATIKA - 6. razred Nastavne cjeline: 1. Život na mreži 2. Pletemo mreže, prenosimo, štitimo, pohranjujemo i organiziramo podatke 3. Računalno razmišljanje i programiranje
ВишеTest ispravio: (1) (2) Ukupan broj bodova: 21. veljače od 13:00 do 14:00 Županijsko natjecanje / Osnove informatike Osnovne škole Ime i prezime
Test ispravio: () () Ukupan broj bodova:. veljače 04. od 3:00 do 4:00 Ime i prezime Razred Škola Županija Mentor Sadržaj Upute za natjecatelje... Zadaci... Upute za natjecatelje Vrijeme pisanja: 60 minuta
ВишеMicrosoft Word - Akcijski plan znanstvenoga rada LZMK
LEKSIKOGRAFSKI ZAVOD MIROSLAV KRLEŽA Zagreb, Frankopanska 26 AKCIJSKI PLAN ZNANSTVENOGA RADA LEKSIKOGRAFSKOGA ZAVODA MIROSLAV KRLEŽA 2017 2020. Akcijskim planom znanstvenoga rada Leksikografskoga zavoda
ВишеSVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Seminarski rad u okviru predmeta Računalna forenzika BETTER PORTABLE GRAPHICS FORMAT Matej
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Seminarski rad u okviru predmeta Računalna forenzika BETTER PORTABLE GRAPHICS FORMAT Matej Crnac Zagreb, siječanj 2018 Sadržaj Uvod 2 BPG format
ВишеPuTTY CERT.hr-PUBDOC
PuTTY CERT.hr-PUBDOC-2018-12-371 Sadržaj 1 UVOD... 3 2 INSTALACIJA ALATA PUTTY... 4 3 KORIŠTENJE ALATA PUTTY... 7 3.1 POVEZIVANJE S UDALJENIM RAČUNALOM... 7 3.2 POHRANA PROFILA KORISNIČKIH SJEDNICA...
ВишеKORISNIČKE UPUTE APLIKACIJA ZA POTPIS DATOTEKA
KORISNIČKE UPUTE APLIKACIJA ZA POTPIS DATOTEKA SADRŽAJ 1. UVOD... 3 1.1. Cilj i svrha... 3 1.2. Područje primjene... 3 2. POJMOVI I SKRAĆENICE... 4 3. PREDUVJETI KORIŠTENJA... 5 4. PREGLED APLIKACIJE...
ВишеMicrosoft Word - privitak prijedloga odluke
Informatički sustav za prikupljanje, simulaciju i prikaz podataka o cijenama javnih komunikacijskih usluga (dalje: Sustav e-tarife) Zagreb, HRVATSKA AGENCIJA ZA POŠTU I ELEKTRONIČKE KOMUNIKACIJE Roberta
ВишеKAKO POHRANITI SVOJ RAD U REPOZITORIJ
KAKO POHRANITI SVOJ RAD U REPOZITORIJ? POHRANJIVANJE ZAVRŠNIH I DIPLOMSKIH RADOVA Upute za studente Ove su upute rezultat rada članova Radne skupine za edukaciju i podršku sustava Dabar u sastavu: Ivana
Вишеkriteriji ocjenjivanja - informatika 8
8. razred Nastavne cjeline: 1. Osnove informatike 2. Pohranjivanje multimedijalnih sadržaja, obrada zvuka 3. Baze podataka - MS Access 4. Izrada prezentacije 5. Timska izrada web stranice 6. Kritički odnos
ВишеMože li učenje tablice množenja biti zabavno?
Mogu li besplatne igre na tabletima potaknuti učenike na učenje tablice množenja i dijeljenja? Sanja Loparić, prof. matematike i informatike Tehnička škola Čakovec Rovinj, 11.11.2016. Kad djeca nisu u
ВишеeOI Middleware Upute za instalaciju
AKD eid Middleware Upute za Windows instalaciju V1.1 www.id.hr Izdanje Datum Opis izmjene 1.0 09.06.2017. Inicijalna verzija dokumenta. 1.1 30.08.2018. Izmjena vizualnog identiteta Sadržaj Instalacija...
ВишеNIAS Projekt e-građani KORISNIČKA UPUTA za aplikaciju NIAS Verzija 1.1 Zagreb, srpanj 2014.
Projekt e-građani KORISNIČKA UPUTA za aplikaciju Verzija 1.1 Zagreb, srpanj 2014. Naslov: Opis: Korisnička uputa za aplikaciju Dokument sadrži upute korisnicima aplikacije u sustavu e-građani Ključne riječi:
Вишеeredar Sustav upravljanja prijavama odjelu komunalnog gospodarstva 1 UPUTE ZA KORIŠTENJE SUSTAVA 1. O eredar sustavu eredar je sustav upravljanja prij
eredar Sustav upravljanja prijavama odjelu komunalnog gospodarstva 1 UPUTE ZA KORIŠTENJE SUSTAVA 1. O eredar sustavu eredar je sustav upravljanja prijavama koje građani mogu slati Upravnom odjelu za komunalno
ВишеKriteriji ocjenjivanja 6razred
Kriteriji ocjenjivanja 6razred Nastavne cjeline: 1. Obrada teksta 2. Računalne mreže 3. Internet 4. Multimediji 5. Izrada prezentacija 12 Nastavna cjelina: OBRADA TEKSTA Dobar (3) Dovoljan (2). prepoznaje
ВишеBožo Online upute
Božo On-Line Upute za natjecanje Kako do zadataka, kako predati zadatke, kako pogledati rezultate Zagrebački računalni savez 2 Zagrebačka INFORMATIJADA Božo Težak Napomena Ovaj dokument sadrži neke slike
ВишеSlide 1
Kako jednostavnije preći na višu verziju Formsa Ivan Lovrić, Vedran Latin 14.10.2009. Sadržaj prezentacije Predmet migracije Razlozi za migraciju Infrastruktura potrebna za migraciju Pilot migracija Migracija
ВишеHxD CERT.hr-PUBDOC
HxD CERT.hr-PUBDOC-2019-3-376 Sadržaj 1 UVOD... 3 2 INSTALACIJA ALATA HXD... 4 3 KORIŠTENJE ALATA HXD... 9 3.1 SUČELJE HXD-A... 9 3.2 PREGLEDAVANJE DATOTEKA... 12 3.3 IZMJENA DATOTEKA... 13 3.4 SIGURNO
ВишеU proračunu Europske unije za Hrvatsku je ukupno namijenjeno 3,568 milijardi Eura za prve dvije godine članstva
Copernicus Općenito o programu: Program Copernicus, koji je u prijašnjem programskom razdoblju bio poznat pod nazivom GMES (Globalni nadzor za zaštitu okoliša i sigurnost), europski je program namijenjen
ВишеPPT
Sve što trebate znati o eračunima u javnoj nabavi U našem priručniku smo ukratko pojasnili što nam je donio Zakon o elektroničkom izdavanju računa u javnoj nabavi. ZAKONSKA REGULATIVA Stupanjem na snagu
ВишеMicrosoft PowerPoint - Rittal konfigurator 2019_prezentacija__HR
Rittal Configuration System Online konfigurator za Rittalove ormare PM-M N. Treml 19.07.2018 1 Jednostavnost konfiguracije Odaberite sustav Samostalni ormar, sustav ormara, različite dimenzije Konfigurirajte
ВишеProgram INA Razvoj skolstva u opcini KS
PROJEKT UMIJEĆE KORIŠTENJA INFORMACIJA PROGRAM IZVANNASTAVNE AKTIVNOSTI «RAZVOJ ŠKOLSTVA U OPĆINI KLINČA SELA» Autorica programa: Maja Slamar Datum: 25. 8. 2018. Napomena: program je razvijen u sklopu
ВишеУПУТСТВО ЗА КОРИСНИКА Приступ локацији часописа Српски архив за целокупно лекарство добија се преко internet adrese: Након
УПУТСТВО ЗА КОРИСНИКА Приступ локацији часописа Српски архив за целокупно лекарство добија се преко internet adrese: http://www.srpskiarhiv.rs/ Након тога се на екрану појављује форма за пријаву на часопис
ВишеSmjernice za korištenje sustava online prijava Ukoliko imate pristupno korisničko ime i lozinku ili ste navedeno dobili nakon zahtjeva za otvaranje no
Smjernice za korištenje sustava online prijava Ukoliko imate pristupno korisničko ime i lozinku ili ste navedeno dobili nakon zahtjeva za otvaranje novog korisničkog računa (poslati zahtjev na javnipoziv.opp@havc.hr
ВишеALIP1_udzb_2019.indb
Razmislimo Kako u memoriji računala prikazujemo tekst, brojeve, slike? Gdje se spremaju svi ti podatci? Kako uopće izgleda memorija računala i koji ju elektronički sklopovi čine? Kako biste znali odgovoriti
ВишеFunkcionalna specifikacija za provođenje elektroničkog glasovanja
1/19 Stranica 1 2/19 Sadržaj 1. Lista skraćenica... 3 2.... 4 2.1 Pristup glasačkoj aplikaciji... 4 2.1.1 Prava pristupa... 4 2.1.2 Pristup uvodnom ekranu sustava evote... 5 2.1.3 Informacije o sustavu
ВишеMicrosoft PowerPoint - podatkovni promet za objavu.pptx
1 2 3 Što je složaj protokola (protocol suite)? Pojedini protokol se odnosi samo na jedno pitanje koje omogućava komunikaciju. Kada se kombinira više protokola, grupa protokola koja je rezultat takve kombinacije
ВишеRadionice, webinari i MOOC-ovi u sklopu projekta E-škole Radionica "E-učitelj suvremena nastava uz pomoć tehnologije" Trajanje: 5 sati Polaznici radio
Radionice, webinari i MOOC-ovi u sklopu projekta E-škole Radionica "E-učitelj suvremena nastava uz pomoć tehnologije" Polaznici radionice: Nastavnici predmeta matematika, fizika, biologija i kemija, stručni
ВишеPrikaz slike na monitoru i pisaču
CRT monitori s katodnom cijevi i LCD monitori na bazi tekućih kristala koji su gotovo istisnuli iz upotrebe prethodno navedene. LED monitori- Light Emitting Diode, zasniva se na elektrodama i diodama koje
ВишеCARNET Helpdesk - Podrška obrazovnom sustavu e-dnevnik upute za nadzor razrednih knjiga tel: fax: mail:
Sadržaj... 1 1. Predgovor... 2 2. Prijava u sustav... 2 3. Postavke... 3 4. Kreiranje zahtjeva za nadzorom razrednih knjiga... 4 5. Pregled razredne knjige... 6 5.1 Dnevnik rada... 7 5.2 Imenik... 11 5.3
ВишеIskustva suradnje s tvrtkom iz perspektive istraživačke institucije
Iskustva suradnje s tvrtkom iz perspektive istraživačke institucije Zoran Kalafatić, FER Zagreb Financiranje projekta sufinanciranje HAMAG-BICRO kroz program IRCRO poticanje mikro, malih i srednjih poduzeća
ВишеУПУТСТВО ЗА КОРИСНИКА Приступ локацији часописа Српски архив за целокупно лекарство добија се преко internet adrese: Након
УПУТСТВО ЗА КОРИСНИКА Приступ локацији часописа Српски архив за целокупно лекарство добија се преко internet adrese: http://www.srpskiarhiv.rs/ Након тога се на екрану појављује форма за пријаву на часопис
ВишеPostojanost boja
Korištenje distribucije osvjetljenja za ostvaranje brzih i točnih metode za postojanost boja Nikola Banić 26. rujna 2014. Sadržaj Postojanost boja Ubrzavanje lokalnog podešavanja boja Distribucija najčešćih
ВишеNo Slide Title
Statistika je skup metoda za uređivanje, analiziranje i grafičko prikazivanje podataka. statistika???? Podatak je kvantitativna ili kvalitativna vrijednost kojom je opisano određeno obilježje (svojstvo)
ВишеAKD KID Middleware Upute za Macintosh instalaciju V1.0
AKD KID Middleware Upute za Macintosh instalaciju V1.0 Izdanje Datum Opis izmjene 1.0 06.04.2018. Inicijalna verzija dokumenta Sadržaj Instalacija... 2 Uklanjanje instalacije... 7 2.1 Uklanjanje instalacije
ВишеPodružnica za građenje
Dodatak A OPIS USLUGA DODATAK A-1 PROJEKTNI ZADATAK Revizija scenarija i algoritama Regionalnih centara za nadzor i upravljanje prometom na autocestama Zagreb, srpanj 2019. 1. Uvod Sve veći porast prometa
ВишеNapredno estimiranje strukture i gibanja kalibriranim parom kamera
Napredno estimiranje strukture i gibanja kalibriranim parom kamera Ivan Krešo Mentor: Siniša Šegvić 3. srpnja 2013. Motivacija Stereo vid dvije kamere omogućavaju mjerenje dubine korespondentnih točaka
Више8 2 upiti_izvjesca.indd
1 2. Baze podataka Upiti i izvješća baze podataka Na početku cjeline o bazama podataka napravili ste plošnu bazu podataka o natjecanjima učenika. Sada ćete izraditi relacijsku bazu u Accessu o učenicima
ВишеVODIČ ZA MODERNIJE POSLOVANJE CLOUD STORAGE Privatna učilišta i škole stranih jezika prelaze u cloud
VODIČ ZA MODERNIJE POSLOVANJE CLOUD STORAGE Privatna učilišta i škole stranih jezika prelaze u cloud 01 Privatna učilišta i škole stranih jezika prelaze u cloud: polaznici imaju sve materijale za učenje
ВишеMicrosoft PowerPoint - 06__Balenovic_2017_3D-FORINVENT-1st-Workshop-JASKA.pptx
Prezentacija projekta HRVATSKI 3D-FORINVENT ŠUMARSKI INSTITUT CROATIAN FOREST RESEARCH INSTITUTE 1. Radionica 3D-FORINVENT Prezentacija projekta 1 st Workshop 3D-FORINVENT Project Presentation Uporaba
ВишеMOODLE KAO PODRŠKA CJELOVITOJ KURIKULARNOJ REFORMI Lidija Kralj, prof. Darija Dasović Rakijašić, dipl. inf.
MOODLE KAO PODRŠKA CJELOVITOJ KURIKULARNOJ REFORMI Lidija Kralj, prof. Darija Dasović Rakijašić, dipl. inf. Koncept virtualne učionice Okruženje za učenje, komunikaciju i suradnju Kontinuirani profesionalni
ВишеREPUBLIKA HRVATSKA MINISTARSTVO PRAVOSUĐA Korisničke upute e-građani aplikacije za elektronsko izdavanje posebnog uvjerenja iz kaznene evidencije Zagr
REPUBLIKA HRVATSKA MINISTARSTVO PRAVOSUĐA e-građani aplikacije za elektronsko izdavanje posebnog uvjerenja iz kaznene evidencije Zagreb, 10. travnja 2017. Sadržaj 1 UVOD... 3 2 PRIJAVA U SUSTAV E-GRAĐANI...
ВишеCOMARC/A Format
COMARC/A 856 856 ELEKTRONSKA LOKACIJA I PRISTUP Polje možemo da koristimo u normativnim zapisima za obezbeđivanje dodatnih (elektronskih) informacija o entitetu za koji je zapis kreiran. Polje sadrži podatke
ВишеDocument ID / Revision : 0419/1.1 ID Issuer Sustav (sustav izdavatelja identifikacijskih oznaka) Upute za registraciju gospodarskih subjekata
ID Issuer Sustav (sustav izdavatelja identifikacijskih oznaka) Upute za registraciju gospodarskih subjekata Gospodarski subjekti Definicija: U skladu s Direktivom 2014/40/EU gospodarski subjekt svaka
ВишеMicrosoft Word - KORISNIČKA UPUTA za pripremu računala za rad s Fina potpisnim modulom_RSV_ doc
Uputa za pripremu računala za rad s Fininim potpisnim modulom Zagreb, lipanj 2019. Sadržaj: 1. UVOD... 3 2. POJMOVI I SKRAĆENICE... 3 3. TEHNIČKI PREDUVJETI KORIŠTENJA... 3 4. PODEŠAVANJE INTERNET PREGLEDNIKA
ВишеAgencija za odgoj i obrazovanje Hrvatska zajednica tehničke kulture 58.ŠKOLSKO NATJECANJE MLADIH TEHNIČARA PISANA PROVJERA ZNANJA - 5. razred Za
Agencija za odgoj i obrazovanje Hrvatska zajednica tehničke kulture 58.ŠKOLSKO NATJECANJE MLADIH TEHNIČARA 206. PISANA PROVJERA ZNANJA - 5. razred Zaporka učenika: (peteroznamenkasti broj i riječ) Ukupan
ВишеУниверзитет у Београду - Фармацеутски факултет
Универзитет у Београду - Фармацеутски факултет Упутство за израду, технички дизајн и архивирање завршног рада у Служби за библиотечке и музејске послове Факултета Изглед рада Корица завршног рада садржи:
ВишеSlide 1
Web site development using MCMS 2002 Koncept Autori: Multiautorsko okruženje sa podijeljenim ulogama Autori ne moraju imati tehnička predznanja Veza sa MicrosoftWord Developeri: Integracija sa VS.NET Integracija
ВишеUPUTE ZA IZRADBU ZAVRŠNOG RADA
UPUTE ZA IZRADBU ZAVRŠNOG RADA Struktura završnog rada Završni rad sastoji se od sljedećih dijelova: naslovna stranica sadržaj sažetak (četverogodišnja zanimanja) uvod glavni dio razrada teme zaključak
ВишеControl no:
Smart Access Postupak rukovanja A. Preduvjet... 2 1. Kompatibilnost s pametnim telefonom... 2 2. Odabir kabela... 2 a. Apple devices (Appleovi uređaji) (iphone 4/4s)... 2 b. Apple devices (Appleovi uređaji)
ВишеPowerPoint Presentation
. ICT sustavi za energetski održivi razvoj grada Energetski informacijski sustav Grada Zagreba Optimizacija energetske potrošnje kroz uslugu točne procjene solarnog potencijala. Energetski informacijski
ВишеŠkola: Geodetska škola, Zagreb Razredni odijel: IV. D Datum: 22. studenog Školska godina: 2018./2019. Nastavnik: Katija Špika Mentor: Armando Sl
Škola: Geodetska škola, Zagreb Razredni odijel: IV. D Datum: 22. studenog 2018. Školska godina: 2018./2019. Nastavnik: Katija Špika Mentor: Armando Slaviček Priprema za nastavni sat Predmet : Prostorni
ВишеVALIDNOST CERTIFIKATA ZA PRISTUP INTERNET APLIKACIJAMA POREZNE UPRAVE FEDERACIJE BOSNE I HERCEGOVINE (npis I ejs)
VALIDNOST CERTIFIKATA ZA PRISTUP INTERNET APLIKACIJAMA POREZNE UPRAVE FEDERACIJE BOSNE I HERCEGOVINE (NPIS I EJS) POREZNA UPRAVA FEDERACIJE BOSNE I HERCEGOVINE Sektor za informacione tehnologije Sarajevo,
ВишеPowerPoint Presentation
Poslovna informatika Ekonomski fakultet u Osijeku Što se događa na internetu u 1 minuti? Par činjenica Svaki dan kreira se 2,5 kvintilijuna bajtova podataka! 90% svih podataka u svijetu kreirano je u zadnje
ВишеOpenDNS Family Shield CERT.hr-PUBDOC
OpenDNS Family Shield CERT.hr-PUBDOC-2019-6-381 Sadržaj 1 UVOD... 3 2 INSTALACIJA USLUGE OPENDNS FAMILY SHIELD... 5 2.1 KONFIGURACIJA NA OPERACIJSKOM SUSTAVU WINDOWS 10... 5 2.2 KONFIGURACIJA NA KUĆNOM/UREDSKOM
ВишеSlide 1
predmet Inženjerska informatika Operativni sistem dr Anica Milošević Koji operativni sistemi postoje? Microsoft Windows Linux Suse Red Hat Ubuntu Unix 26.1.2018. 2 Šta je Windows operativni sistem? Operativni
ВишеВИСОКА МЕДИЦИНСКА ШКОЛА ЗДРАВСТВА ДОБОЈ ПРАВИЛНИК О ЗАВРШНОМ РАДУ Добој, март године
ВИСОКА МЕДИЦИНСКА ШКОЛА ЗДРАВСТВА ДОБОЈ ПРАВИЛНИК О ЗАВРШНОМ РАДУ Добој, март 2017. године На основу члана 64. Закона о високом образовању Републике Српске ( Службени гласник Републике Српске, бр. 73/10,
ВишеDRŽAVNO IZBORNO POVJERENSTVO REPUBLIKE HRVATSKE e-learning upute UPUTE ZA REGISTRACIJU ZA E-LEARNING TEČAJ Zagreb, 03. svibanj 2019.
DRŽAVNO IZBORNO POVJERENSTVO REPUBLIKE HRVATSKE e-learning upute UPUTE ZA REGISTRACIJU ZA E-LEARNING TEČAJ Zagreb, 03. svibanj 2019. Sadržaj 1. UVOD... 1 2. POSTUPAK REGISTRACIJE... 2 2.1 POPUNJAVANJE
ВишеPowerPoint Presentation
Kompetencijski profil nastavnika u visokom obrazovanju Prof. dr. sc. Aleksandra Čižmešija Sveučilište u Zagrebu Prirodoslovno-matematički fakultet cizmesij@math.hr Educa T projekt Kompetencijski profil
ВишеMicrosoft PowerPoint - LB7-2_WCCF_2012.ppt
Praktikum automatizacije ak.g. 2011/2012 Laboratorijski blok 7 (Interaktivna vježba) LB7-2 Konfiguracija sučelja čovjek-stroj na operaterskom panelu unutar programskog paketa Step7 WinCC Flexible Četvrtak,
ВишеUVJETI KORIŠTENJA INTERNETSKE STRANICE Korisnik posjetom web stranicama potvrđuje da je pročitao i da u cijelosti prihvaća o
UVJETI KORIŠTENJA INTERNETSKE STRANICE WWW.TELE2.HR Korisnik posjetom www.tele2.hr web stranicama potvrđuje da je pročitao i da u cijelosti prihvaća ove Uvjete korištenja web stranice www.tele2.hr (dalje
ВишеE-RAČUN ZA POSLOVNE SUBJEKTE ZAPRIMANJE I SLANJE E-RAČUNA JE LAKO, PROVJERITE U FINI KAKO...
ZA POSLOVNE SUBJEKTE ZAPRIMANJE I SLANJE A JE LAKO, PROVJERITE U FINI KAKO... 2 ZA POSLOVNE SUBJEKTE Servis e-račun je internetski servis za elektroničku razmjenu računa između poslovnih subjekata (dobavljača
Више(Microsoft Word - S1-MTS-Primjena ra\350unala u poslovnoj praksi -Breslauer N)
1. OPĆE INFORMACIJE 1.1. Naziv kolegija Primjena računala u poslovnoj praksi 1.6. Semestar 1 1.. Nositelj kolegija Nenad Breslauer, v. pred. 1.7. Bodovna vrijednost (ECTS) 5 1.3. Suradnici 1.8. Način izvođenja
ВишеSVEUČILIŠTE U ZAGREBU SVEUČILIŠNI RAČUNSKI CENTAR UVJETI KORIŠTENJA USLUGE EDUADRESAR Zagreb, kolovoz 2013.
SVEUČILIŠTE U ZAGREBU SVEUČILIŠNI RAČUNSKI CENTAR UVJETI KORIŠTENJA USLUGE EDUADRESAR Zagreb, kolovoz 2013. S A D R Ž A J 1. TEMELJNI POJMOVI... 4 2. OPSEG I NAMJENA USLUGE... 4 3. PRAVA I OBVEZE SRCA...
ВишеXIII. Hrvatski simpozij o nastavi fizike Istraživački usmjerena nastava fizike na Bungee jumping primjeru temeljena na analizi video snimke Berti Erja
Istraživački usmjerena nastava fizike na Bungee jumping primjeru temeljena na analizi video snimke Berti Erjavec Institut za fiziku, Zagreb Sažetak. Istraživački usmjerena nastava fizike ima veću učinkovitost
ВишеNa temelju članka 88. Pravilnika o studiju i studiranju na Sveučilištu u Dubrovniku, a u skladu s člankom 59. stavkom 3. Zakona o znanstvenoj djelatno
Na temelju članka 88. Pravilnika o studiju i studiranju na Sveučilištu u Dubrovniku, a u skladu s člankom 59. stavkom 3. Zakona o znanstvenoj djelatnosti i visokom obrazovanju ( Narodne novine, br.: 123/033.,
ВишеUpute za samostalni dizajn i grafičku pripremu plakata BOJE Plakat je najuočljiviji kada se koriste kombinacije kontrastnih boja npr. kombinacija crne
Upute za samostalni dizajn i grafičku pripremu plakata BOJE Plakat je najuočljiviji kada se koriste kombinacije kontrastnih boja npr. kombinacija crne podloge i žutog teksta, dok se najmanje vidljivom
Више1, 2, 3, кодирај! Активности циклуса 4 Пројект «Аркадне игре» - Час 6: Програмирање падања новчића (наставак) Доминантна дисциплина Математикa Резиме
1, 2, 3, кодирај! Активности циклуса 4 Пројект «Аркадне игре» - Час 6: Програмирање падања новчића (наставак) Доминантна дисциплина Математикa Резиме Програмирање добијања награда омогућује ученицима да
ВишеUPUTE ZA OBLIKOVANJE DOKTORSKE DISERTACIJE Doktorska disertacija se piše na hrvatskom standardnom jeziku. Disertacija može biti napisana na nekom od s
UPUTE ZA OBLIKOVANJE DOKTORSKE DISERTACIJE Doktorska disertacija se piše na hrvatskom standardnom jeziku. Disertacija može biti napisana na nekom od svjetskih jezika (engleski, njemački itd.). Tekst disertacije
ВишеEDITEL_Adria_Brochure_HR.indd
EDITEL Adria povezuje vaše poslovanje EDI rješenja za pametne lance nabave O nama EDITEL Adria Tvrtka EDITEL Adria započela je svoje poslovanje u Hrvatskoj pod imenom Panteon Plus kao lokalni predstavnik
ВишеSveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo Vježba: #7 Kolegij: Ba
Sveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo Vježba: #7 Kolegij: Baze podataka Tema: Osnovna SELECT naredba Vježbu pripremili:
ВишеMicrosoft PowerPoint - LB7-2_WCCF_2010.ppt
WinCC flexible alat za konfiguriranje HMI na operaterskom panelu Praktikum automatizacije LB7-2 Pregled predavanja WinCC flexible izgled, organizacija, princip rada Primjer Praktikum automatizacije --
ВишеKorisničko uputstvo mobilne aplikacije Digitalni Kiosk 1
Korisničko uputstvo mobilne aplikacije Digitalni Kiosk 1 Sadržaj Opis mobilne aplikacije Digitalni Kiosk... 3 Pokretanje aplikacije... 3 Registracija/Kreiranje novog korisničkog naloga... 3 Dodavanje platne
ВишеУниверзитет у Београду Универзитетска библиотека Светозар Марковић Извори у отвореном приступу, е- књиге и цитатни менаџер Дејана Каваја Станишић kava
Универзитет у Београду Универзитетска библиотека Светозар Марковић Извори у отвореном приступу, е- књиге и цитатни менаџер Дејана Каваја Станишић kavaja@unilib.bg.ac.rs О чему ћемо говорити О електронским
ВишеMAZALICA DUŠKA.pdf
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU ELEKTROTEHNIČKI FAKULTET Sveučilišni studij OPTIMIRANJE INTEGRACIJE MALIH ELEKTRANA U DISTRIBUCIJSKU MREŽU Diplomski rad Duška Mazalica Osijek, 2014. SADRŽAJ
ВишеSlajd 1
Luka Vidoš UMAS, studeni 2007 Uvod 2.0 Druga verzija weba? Web 2.0 je fraza, metafora za suvremeno napravljene webove sadrže i socijalizacijsku notu omogućuju posjetiteljima sudjelovanje u kreiranju njihova
ВишеШкола Ј. Ј. Змај Свилајнац МЕСЕЧНИ ПЛАН РАДА ЗА СЕПТЕМБАР Школска 2018 /2019. Назив предмета: Информатика и рачунарство Разред: 5. Недељни број часова
Школа Ј. Ј. Змај Свилајнац МЕСЕЧНИ ПЛАН РАДА ЗА СЕПТЕМБАР јединице 1. 1. Увод у информатику и рачунарство 1. 2. Oрганизација података на рачунару 1. 3. Рад са текстуалним документима 1. 4. Форматирање
ВишеSustav za informatizaciju poslovanja ustanove (SIPU)
Sustav za informatizaciju poslovanja ustanove (SIPU) IMPRESUM SADRŽAJ Nakladnik: Hrvatska akademska i istraživačka mreža CARNET Idejno, sadržajno i grafičko oblikovanje i priprema: Tridea d.o.o., Demode
ВишеDržavna matura iz informatike
DRŽAVNA MATURA IZ INFORMATIKE U ŠK. GOD. 2013./14. 2016./17. SADRŽAJ Osnovne informacije o ispitu iz informatike Područja ispitivanja Pragovi prolaznosti u 2014./15. Primjeri zadataka po područjima ispitivanja
ВишеWeb programiranje i primjene - Osnovni pojmovi WEB tehnologije korišteni u kolegiju
Osnovni pojmovi WEB tehnologije korišteni u kolegiju Ivan Vazler Odjel za matematiku Sveučilište u Osijeku 16. listopada 2013. WWW - World Wide Web World Wide Web (WWW) svjetska mreža računala s izvorima
ВишеDaljinski upravljiva utičnica
Zvonimir Miličević;Martin Berić SEMINARSKI RAD - SPVP Projekt u sklopu Pametna kuća Poznavanje ugradbenih računalnih sustava Načini upravljanja na daljinu 14. lipnja 2018 Sažetak Svakome se dogodilo da
Више23. siječnja od 13:00 do 14:00 Školsko natjecanje / Osnove informatike Srednje škole RJEŠENJA ZADATAKA S OBJAŠNJENJIMA Sponzori Medijski pokrovi
3. siječnja 0. od 3:00 do 4:00 RJEŠENJA ZADATAKA S OBJAŠNJENJIMA Sponzori Medijski pokrovitelji Sadržaj Zadaci. 4.... Zadaci 5. 0.... 3 od 8 Zadaci. 4. U sljedećim pitanjima na pitanja odgovaraš upisivanjem
ВишеPRIKAZIVAČ BRZINE I BROJILO PROMETA ZA STATISTIČKU OBRADU PODATAKA
PRIKAZIVAČ BRZINE I BROJILO PROMETA ZA STATISTIČKU OBRADU PODATAKA PRIKAZIVAČ BRZINE SA TEKSTUALNIM PORUKAMA Prikazivač brzine prikazuje tekstualnu poruku ili znak opasnosti u skladu sa detektiranom brzinom.
ВишеOpći uvjeti korištenja servisa e-Račun za državu povezivanjem_obveznici javne nabave_052019_konačna verzija
Opći uvjeti korištenja servisa e-račun za državu povezivanjem web servisom za obveznike javne nabave 1. Uvod i značenje pojmova 1.1. Ovim Općim uvjetima korištenja servisa e-račun za državu (u daljnjem
ВишеNa osnovu člana 41 stav 3 Zakona o bibliotečkoj djelatnosti (“Službeni list CG”, broj 49/10) Ministarstvo kulture, na prijedlog nacionalne biblioteke,
142. Na osnovu člana 28 stav 3 Zakona o bibliotečkoj djelatnosti ( Službeni list CG broj 49/10), na prijedlog Javne ustanove Nacionalna biblioteka Crne Gore Đurđe Crnojević, Ministarstvo kulture, donijelo
ВишеMicrosoft Word - Korisnički priručnik za liječnika.docx
Korisnički priručnik za liječnika DijabetesTV Više uspješnih liječenja. Manje nepotrebnih pregleda. Manje gužvi. Datum: 26. Ožujka 2018. Korisnički priručnik za liječnika 1.0. Funkcionalnost DijabetesTV-a
ВишеRačunarski praktikum I - Vježbe 01 - Uvod
Prirodoslovno-matematički fakultet Matematički odsjek Sveučilište u Zagrebu RAČUNARSKI PRAKTIKUM I Vježbe 01 - Uvod v2018/2019. Sastavio: Zvonimir Bujanović Gradivo i način polaganja Gradivo: osnove jezika
Вишеm-intesa ZA KRETANJE BEZ GRANICA... INTESA SANPAOLO BANKA ZA UREĐAJE SVIJET MOGUĆEG.
m-intesa ZA KRETANJE BEZ GRANICA... INTESA SANPAOLO BANKA ZA UREĐAJE SVIJET MOGUĆEG. m-intesa ZA KRETANJE BEZ GRANICA... m-intesa Vam omogućava jednostavno, brzo i sigurno obavljanje finansijskih transakcija
Више3b70dbff-879f eb-b067963c01b9.pdf
Osnovna škola Benkovac LMNT KRTR OCNN U NST TLNSKOG ZK od 4. do 8. razreda lementi ocjenjivanja: 1. Razumijevanje - podrazumijeva brzinu i točnost usvajanja i razumijevanja različitih pojmova i tekstualnih
ВишеGLAZBENA UČILICA Marko Beus Filozofski fakultet u Zagrebu 098/ Sažetak Glazbena učilica je projekt osmišljen kao nadopuna
GLAZBENA UČILICA Marko Beus Filozofski fakultet u Zagrebu beusmarko@gmail.com 098/938-8295 Sažetak Glazbena učilica je projekt osmišljen kao nadopuna nastavnom programu solfeggia u osnovnim glazbenim školama.
Више1. OPĆE INFORMACIJE 1.1. Naziv kolegija Strani jezik 2 - engleski 1.6. Semestar Nositelj kolegija Marija Miščančuk Bodovna vrijednost (E
1. OPĆE INFORMACIJE 1.1. Naziv kolegija Strani jezik 2 - engleski 1.6. Semestar 2 1.2. Nositelj kolegija Marija Miščančuk 3 1.7. Bodovna vrijednost (ECTS) Martina Sobočan 1.3. Suradnici - 1.8. Način izvođenja
ВишеPROGRAM USAVRŠAVANJA NASTAVNIKA ZA PROVEDBU KURIKULUMA FAKULTATIVNE NASTAVE ICT Znanstveni laboratorij Osijek/Split, listopad lipanj 2016.
PROGRAM USAVRŠAVANJA NASTAVNIKA ZA PROVEDBU KURIKULUMA FAKULTATIVNE NASTAVE ICT Znanstveni laboratorij Osijek/Split, listopad 2015. lipanj 2016. Fond: Europski socijalni fond Operativni program: Razvoj
ВишеOpenVPN GUI CERT.hr-PUBDOC
OpenVPN GUI CERT.hr-PUBDOC-2019-7-384 Sadržaj 1 UVOD... 3 2 INSTALACIJA ALATA OPENVPN GUI... 5 3 KORIŠTENJE ALATA OPENVPN GUI... 17 4 ZAKLJUČAK... 27 Ovaj dokument izradio je Laboratorij za sustave i signale
ВишеUputstva za oblikovanje doktorske disertacije
Прилог 4. Упутства за обликовање докторске дисертације Докторски рад пише се на српском језику или на другом језику, у складу са Законом, и садржи упоредну насловну страну, проширени резиме (до 4 стране)
ВишеSlide 1
Strateški okvir za internacionalizaciju visokog obrazovanja i uloga regionalne suradnje 1 Erasmus je ključni financijski instrument za internacionalizaciju visokog obrazovanja. Važnost internacionalizacije
ВишеMultiBoot Korisnički priručnik
MultiBoot Korisnički priručnik Autorsko pravo 2006., 2007. Hewlett- Packard Development Company, L.P. Informacije sadržane u ovom dokumentu podložne su promjenama bez najave. Jedina jamstva za HP-ove proizvode
ВишеMicrosoft Word - InveoP_01.docx
0 INVEO-P Inveo-P je jedinstveno rješenje na tržištu razvijeno upravo za paušalne obrte i jedino koje paušalnim obrtima omogućava potpuni pregled poslovanja. Razvijen je kao integrirano poslovno rješenje
Више5S prezentacija - za printati bez videa i igre (3)
Lean 5S Anja Štefanić, mag.oec. copyright Što je 5S? Alat Lean menadžmenta Alat koji se čini jednostavan, no mnoga poduzeća ignoriraju baš te osnovne principe Baza uspješne implementacije Fokusira se
ВишеNAUČNO-STRUČNA KONFERENCIJA LOGOPEDA SRBIJE INOVATIVNI PRISTUPI U LOGOPEDIJI Nacionalni skup sa međunarodnim učešćem Organizator: Udruženje logopeda S
NAUČNO-STRUČNA KONFERENCIJA LOGOPEDA SRBIJE INOVATIVNI PRISTUPI U LOGOPEDIJI Nacionalni skup sa međunarodnim učešćem Organizator: Udruženje logopeda Srbije Kralja Milutina 52, Beograd Datum održavanja:
Више