| Različica | 1.0 |
|---|---|
| Založnik | Luigi Rosa |
| Datum izdaje | 19. nov. 2012 |
| Datum dodajanja | 19. nov. 2012 |
| Os zahteve | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Zahteve | Matlab |
| Skupno prenosov | 691 |
| Prenosi na teden | 1 |
| Cena | Free |
Opis
Optično prepoznavanje znakov (OCR) je prevajanje optično skeniranih bitnih slik natisnjenih ali pisanih besedilnih znakov v znakovne kode, kot je ASCII. To je učinkovit način za pretvorbo gradiva v papirni obliki v podatkovne datoteke, ki jih je mogoče urejati in drugače manipulirati v računalniku. To je tehnologija, ki jo že dolgo uporabljajo knjižnice in vladne agencije za hitro elektronsko dostopnost obsežnih dokumentov. Napredek v tehnologiji OCR je spodbudil njeno vse večjo uporabo v podjetjih. Za številna opravila vnosa dokumentov je OCR najcenejša in najhitrejša razpoložljiva metoda. In vsako leto tehnologija sprosti hektare prostora za shranjevanje, ki je bil nekoč namenjen kartotečnim omaram in škatlam, polnim papirnatih dokumentov. Preden se lahko uporabi OCR, je treba izvorno gradivo skenirati z optičnim skenerjem (in včasih s posebnim tiskanim vezjem v osebnem računalniku), da se stran prebere kot bitna slika (vzorec pik). Potrebna je tudi programska oprema za prepoznavanje slik.
Naš programski paket predlaga rešitev klasifikacije izoliranih ročno napisanih znakov in števk nabora podatkov znakov peresa UJI z uporabo nevronskih mrež. Podatki so sestavljeni iz vzorcev 26 znakov in 10 števk, ki jih je napisalo 11 piscev na tabličnem računalniku. Znaki (v standardnem formatu UNIPEN) so napisani z velikimi in malimi črkami, na pisca pa obstaja cela dva niza znakov. Izhod mora biti torej v enem od 35 razredov. Končni cilj je zgraditi od pisca neodvisen model za vsakega lika.
Izbira dragocenih lastnosti je ključnega pomena pri prepoznavanju znakov, zato je sprejet nov in pomemben nabor funkcij, Uniform Differential Normalized Coordinates (UDNC), ki ga je predstavil C. Agell. Prikazano je, da te funkcije izboljšujejo stopnjo prepoznavanja z uporabo preprostih algoritmov za razvrščanje, tako da se uporabljajo za usposabljanje nevronske mreže in preizkušanje njene učinkovitosti na naboru podatkov znakov pisala UJI.
Izrazi kazala: Matlab, izvorna koda, ocr, optično prepoznavanje znakov, skenirano besedilo, napisano besedilo, ascii, izolirani znak.
