| ვერსია | 1.0 |
|---|---|
| გამომცემელი | Luigi Rosa |
| Გამოშვების თარიღი | 19 ნოე. 2012 |
| Თარიღი დამატებულია | 19 ნოე. 2012 |
| მოთხოვნები | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| მოთხოვნები | Matlab |
| სულ ჩამოტვირთვების | 691 |
| ჩამოტვირთვები კვირაში | 1 |
| ფასი | Free |
აღწერა
სიმბოლოების ოპტიკური ამოცნობა (OCR) არის დაბეჭდილი ან დაწერილი ტექსტის სიმბოლოების ოპტიკურად დასკანირებული ბიტმაფების თარგმნა სიმბოლოების კოდებად, როგორიცაა ASCII. ეს არის ეფექტური გზა მყარი ასლი მასალების გადაქცევის მონაცემთა ფაილებად, რომელთა რედაქტირება და სხვაგვარად მანიპულირება შესაძლებელია კომპიუტერზე. ეს არის ტექნოლოგია, რომელსაც დიდი ხანია იყენებენ ბიბლიოთეკები და სამთავრობო უწყებები, რათა გრძელი დოკუმენტები სწრაფად იყოს ხელმისაწვდომი ელექტრონულად. OCR ტექნოლოგიის მიღწევებმა ხელი შეუწყო მის მზარდ გამოყენებას საწარმოების მიერ. დოკუმენტის შეყვანის მრავალი ამოცანისთვის OCR არის ყველაზე ეფექტური და სწრაფი მეთოდი. და ყოველწლიურად, ტექნოლოგია ათავისუფლებს ჰექტარ საცავ ადგილს, რომელიც გადაეცემა ფაილების კარადებს და ქაღალდის დოკუმენტებით სავსე ყუთებს. OCR-ის გამოყენებამდე, წყაროს მასალა უნდა დასკანირდეს ოპტიკური სკანერის (და ზოგჯერ სპეციალიზებული მიკროსქემის დაფის კომპიუტერში) გამოყენებით, რათა წაიკითხოს გვერდზე ბიტმაპის სახით (წერტილების ნიმუში). ასევე საჭიროა პროგრამული უზრუნველყოფა სურათების ამოსაცნობად.
ჩვენი პროგრამული პაკეტი გვთავაზობს გადაჭრას UJI კალმის სიმბოლოების მონაცემთა ნაკრების იზოლირებული ხელნაწერი სიმბოლოების და ციფრების კლასიფიკაცია ნერვული ქსელების გამოყენებით. მონაცემები შედგება 26 სიმბოლოსა და 10 ციფრისგან შემდგარი ნიმუშებისგან, რომლებიც დაწერილია 11 დამწერის მიერ ტაბლეტ კომპიუტერზე. სიმბოლოები (სტანდარტული UNIPEN ფორმატში) იწერება როგორც დიდი, ასევე პატარა ასოებით და არის სიმბოლოების მთელი ორი ნაკრები თითო მწერალზე. ასე რომ, გამომავალი უნდა იყოს 35 კლასიდან ერთ-ერთში. საბოლოო მიზანი არის მწერლის დამოუკიდებელი მოდელის შექმნა თითოეული პერსონაჟისთვის.
ღირებული მახასიათებლების შერჩევას გადამწყვეტი მნიშვნელობა აქვს პერსონაჟების ამოცნობაში, ამიტომ მიღებულია ფუნქციების ახალი და მნიშვნელოვანი ნაკრები, ერთიანი დიფერენციალური ნორმალიზებული კოორდინატები (UDNC), რომელიც შემოიღო C. Agell-მა. ეს მახასიათებლები ნაჩვენებია ამოცნობის სიჩქარის გასაუმჯობესებლად მარტივი კლასიფიკაციის ალგორითმების გამოყენებით, ამიტომ ისინი გამოიყენება ნერვული ქსელის მოსამზადებლად და მისი მუშაობის შესამოწმებლად UJI Pen Characters Data Set-ზე.
ინდექსის პირობები: Matlab, წყარო, კოდი, ocr, სიმბოლოების ოპტიკური ამოცნობა, დასკანირებული ტექსტი, დაწერილი ტექსტი, ascii, იზოლირებული სიმბოლო.
