| Տարբերակ | 1.0 |
|---|---|
| Հրատարակիչ | Luigi Rosa |
| Թողարկման ամսաթիվ | 19 նոյ, 2012 թ. |
| Ավելացման ամսաթիվը | 19 նոյ, 2012 թ. |
| OS պահանջները | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Պահանջներ | Matlab |
| Ընդհանուր ներբեռնումներ | 691 |
| Շաբաթական ներբեռնումներ | 1 |
| Գինը | Free |
Նկարագրություն
Նիշերի օպտիկական ճանաչումը (OCR) տպագիր կամ գրավոր տեքստային նիշերի օպտիկական սկանավորված բիթքարտեզների թարգմանությունն է նիշերի կոդերի, օրինակ՝ ASCII: Սա արդյունավետ միջոց է՝ թղթային նյութերը վերածելու տվյալների ֆայլերի, որոնք կարող են խմբագրվել և այլ կերպ շահագործվել համակարգչում: Սա այն տեխնոլոգիան է, որը երկար ժամանակ օգտագործվում էր գրադարանների և պետական կառույցների կողմից՝ երկար փաստաթղթերը էլեկտրոնային եղանակով արագ հասանելի դարձնելու համար: OCR տեխնոլոգիայի առաջընթացը խթանել է ձեռնարկությունների կողմից դրա աճող օգտագործումը: Փաստաթղթերի մուտքագրման բազմաթիվ առաջադրանքների համար OCR-ն ամենաարդյունավետ և արագ հասանելի մեթոդն է: Եվ ամեն տարի տեխնոլոգիան ազատում է ակր պահեստային տարածք, որը տրվել է թղթե փաստաթղթերով լի պահարաններին և տուփերին: OCR-ն օգտագործելուց առաջ սկզբնաղբյուր նյութը պետք է սկանավորվի օպտիկական սկաների միջոցով (և երբեմն էլ՝ ԱՀ-ում մասնագիտացված տպատախտակ)՝ էջում կարդալու համար որպես bitmap (կետերի օրինակ): Պահանջվում է նաև ծրագրակազմ՝ պատկերները ճանաչելու համար:
Մեր ծրագրային փաթեթն առաջարկում է լուծել UJI գրիչի նիշերի տվյալների հավաքածուի մեկուսացված ձեռագիր նիշերի և թվանշանների դասակարգումը նյարդային ցանցերի միջոցով: Տվյալները բաղկացած են 26 նիշերից և 10 թվերից բաղկացած նմուշներից, որոնք գրված են 11 գրողների կողմից պլանշետային համակարգչի վրա: Նիշերը (ստանդարտ UNIPEN ձևաչափով) գրված են մեծատառերով և փոքրատառերով, և յուրաքանչյուր գրողի համար կա նիշերի երկու ամբողջություն: Այսպիսով, արդյունքը պետք է լինի 35 դասերից մեկում: Վերջնական նպատակը յուրաքանչյուր կերպարի համար գրողի անկախ մոդել ստեղծելն է:
Արժեքավոր հատկանիշների ընտրությունը կարևոր նշանակություն ունի կերպարների ճանաչման համար, հետևաբար, ընդունվել է նոր և բովանդակալից հատկանիշների մի շարք՝ Միասնական դիֆերենցիալ նորմալացված կոորդինատները (UDNC), որը ներկայացրել է Ք. Ագելը: Այս հատկանիշները ցույց են տալիս, որ բարելավում են ճանաչման արագությունը՝ օգտագործելով պարզ դասակարգման ալգորիթմներ, այնպես որ դրանք օգտագործվում են նեյրոնային ցանցը վարժեցնելու և դրա կատարումը UJI գրիչի նիշերի տվյալների հավաքածուի վրա փորձարկելու համար:
Ինդեքսային պայմաններ՝ Matlab, աղբյուր, կոդ, ocr, նիշերի օպտիկական ճանաչում, սկանավորված տեքստ, գրավոր տեքստ, ascii, մեկուսացված նիշ:
