| Версия | 1.0 |
|---|---|
| Издатель | Luigi Rosa |
| Дата выпуска | 19 нояб. 2012 г. |
| Дата добавления | 19 нояб. 2012 г. |
| Требования ОС | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Требования | Matlab |
| Всего скачиваний | 691 |
| Загрузок в неделю | 1 |
| Цена | Free |
Описание
Оптическое распознавание символов (OCR) — это преобразование оптически отсканированных растровых изображений печатных или письменных текстовых символов в коды символов, такие как ASCII. Это эффективный способ превратить бумажные материалы в файлы данных, которые можно редактировать и иным образом обрабатывать на компьютере. Это технология, давно используемая библиотеками и государственными учреждениями для быстрого доступа к объемным документам в электронном виде. Достижения в технологии OCR стимулировали ее более широкое использование предприятиями. Для многих задач ввода документов OCR является наиболее экономичным и быстрым доступным методом. И каждый год эта технология освобождает акры пространства для хранения, которые когда-то использовались для картотечных шкафов и коробок, заполненных бумажными документами. Прежде чем можно будет использовать OCR, исходный материал необходимо отсканировать с помощью оптического сканера (а иногда и специальной печатной платы в ПК), чтобы прочитать страницу в виде растрового изображения (набора точек). Программное обеспечение для распознавания изображений также требуется.
Наш программный пакет предлагает решить классификацию изолированных рукописных символов и цифр набора данных символов пера UJI с использованием нейронных сетей. Данные состоят из выборок из 26 символов и 10 цифр, записанных 11 авторами на планшетном ПК. Символы (в стандартном формате UNIPEN) записываются как в верхнем, так и в нижнем регистре, и на каждого писателя приходится целых два набора символов. Таким образом, вывод должен быть в одном из 35 классов. Конечная цель — построить независимую от писателя модель для каждого персонажа.
Выбор ценных признаков имеет решающее значение для распознавания символов, поэтому принят новый и значимый набор признаков, Единые дифференциальные нормализованные координаты (UDNC), введенный К. Аджеллом. Показано, что эти функции повышают скорость распознавания с использованием простых алгоритмов классификации, поэтому они используются для обучения нейронной сети и проверки ее производительности на наборе данных символов пера UJI.
Ключевые слова: Matlab, источник, код, распознавание символов, оптическое распознавание символов, отсканированный текст, письменный текст, ascii, изолированный символ.
