| Версия | 1.0 |
|---|---|
| Издател | Luigi Rosa |
| Дата на излизане | 19.11.2012 г. |
| Датата е добавена | 19.11.2012 г. |
| Os изисквания | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Изисквания | Matlab |
| Общо изтегляния | 691 |
| Изтегляния на седмица | 1 |
| Цена | Free |
Описание
Оптичното разпознаване на знаци (OCR) е превод на оптично сканирани растерни изображения на печатни или написани текстови знаци в кодове на знаци, като ASCII. Това е ефективен начин за превръщане на материали на хартиен носител във файлове с данни, които могат да бъдат редактирани и манипулирани по друг начин на компютър. Това е технологията, отдавна използвана от библиотеки и правителствени агенции, за да направят дълги документи бързо достъпни по електронен път. Напредъкът в OCR технологията стимулира нарастващата й употреба от предприятията. За много задачи за въвеждане на документи OCR е най-рентабилният и бърз наличен метод. И всяка година технологията освобождава акри място за съхранение, веднъж преотстъпено на картотеки и кутии, пълни с хартиени документи. Преди OCR да може да се използва, изходният материал трябва да бъде сканиран с помощта на оптичен скенер (и понякога специализирана платка в компютъра), за да се прочете страницата като растерна графика (модел от точки). Необходим е и софтуер за разпознаване на изображенията.
Нашият софтуерен пакет предлага решаване на класификацията на изолирани ръкописни знаци и цифри от набора от данни за символи на UJI Pen с помощта на невронни мрежи. Данните се състоят от проби от 26 знака и 10 цифри, написани от 11 писатели на таблетен компютър. Знаците (в стандартния UNIPEN формат) се изписват както с главни, така и с малки букви и има цели два набора от знаци за всеки писател. Така че резултатът трябва да бъде в един от 35-те класа. Крайната цел е изграждането на независим от писателя модел за всеки герой.
Изборът на ценни характеристики е от решаващо значение за разпознаването на символи, поради което се приема нов и смислен набор от характеристики, Uniform Differential Normalized Coordinates (UDNC), въведен от C. Agell. Показано е, че тези функции подобряват степента на разпознаване с помощта на прости алгоритми за класификация, така че да се използват за обучение на невронна мрежа и тестване на нейната ефективност върху UJI Pen Characters Data Set.
Термини на индекса: Matlab, източник, код, ocr, оптично разпознаване на знаци, сканиран текст, писмен текст, ascii, изолиран знак.
