| Version | 1.0 |
|---|---|
| Forlægger | Luigi Rosa |
| Udgivelses dato | 19. nov. 2012 |
| Dato tilføjet | 19. nov. 2012 |
| Os krav | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Krav | Matlab |
| Samlet antal downloads | 691 |
| Downloads pr. Uge | 1 |
| Pris | Free |
Beskrivelse
Optisk tegngenkendelse (OCR) er oversættelsen af optisk scannede bitmaps af trykte eller skrevne teksttegn til tegnkoder, såsom ASCII. Dette er en effektiv måde at omdanne papirmateriale til datafiler, der kan redigeres og på anden måde manipuleres på en computer. Dette er den teknologi, som biblioteker og offentlige myndigheder længe har brugt til at gøre lange dokumenter hurtigt tilgængelige elektronisk. Fremskridt inden for OCR-teknologi har ansporet dens stigende brug af virksomheder. Til mange dokumentinputopgaver er OCR den mest omkostningseffektive og hurtige metode til rådighed. Og hvert år frigør teknologien acres af lagerplads, når den først er overgivet til arkivskabe og kasser fulde af papirdokumenter. Før OCR kan bruges, skal kildematerialet scannes ved hjælp af en optisk scanner (og nogle gange et specialiseret printkort i pc'en) for at læse siden ind som et bitmap (et mønster af prikker). Software til at genkende billederne er også påkrævet.
Vores softwarepakke foreslår at løse klassificeringen af isolerede håndskrevne tegn og cifre i UJI Pen Characters Data Set ved hjælp af neurale netværk. Dataene består af eksempler på 26 tegn og 10 cifre skrevet af 11 forfattere på en tablet-pc. Tegnene (i standard UNIPEN-format) skrives både med store og små bogstaver, og der er hele to sæt tegn pr. forfatter. Så output bør være i en af de 35 klasser. Det ultimative mål er at bygge en forfatteruafhængig model for hver karakter.
Udvælgelsen af værdifulde funktioner er afgørende for karaktergenkendelse, derfor er et nyt og meningsfuldt sæt funktioner, Uniform Differential Normalized Coordinates (UDNC), introduceret af C. Agell, vedtaget. Disse funktioner er vist at forbedre genkendelseshastigheden ved hjælp af simple klassifikationsalgoritmer, så de bruges til at træne et neuralt netværk og teste dets ydeevne på UJI Pen Characters Data Set.
Indeksvilkår: Matlab, kilde, kode, ocr, optisk tegngenkendelse, scannet tekst, skrevet tekst, ascii, isoleret tegn.
