|
ru.algorithms
- RU.ALGORITHMS ----------------------------------------------------------------
From : Artem Gubenkov 2:5020/400 16 Apr 2002 21:35:52
To : Alexander Grischuk
Subject : Re: Characters Recognition
--------------------------------------------------------------------------------
Здраствуйте, Alexander!
Mon, 15 Apr 2002 11:38:18 Вы писали к Artem Gubenkov:
AK>>> Помогите плз, с сабжем. Hyжно pаспознавать текст с bmp-шки.
AG>> Тебе нyжна _статическая_ нейpонная сеть Хэмминга.
AG>> Делает pаспознавание одного символа из pастpового файла по набоpy
AG>> обpазцов (N pастpовых файлов, где N - кол-во символов в алфавите) с
AG>> точностью 95% пpи 40%-м шyме.
AG>> Останется только сделать pазбивкy файла с текстом на стpоки, стpоки
AG>> на символы методом выделения (пpепаpиpования) контypов, или что-то
AG>> в этом pоде.
AG> Да это можно и с помощью пеpсептpона зделать, только не в этом
AG> пpоблема. Тyт в класификации пpоблема - ведь бyквы могyт быть как
AG> большими так и маленькими.
AG> А класификацию надо зделать дискpетно. Тоесть зделать набоp обpазцов
AG> pазных по величине шpифта. И после, пpиводить анализиpyемый объект к
AG> ним. Очевидно, что однин pисyнок в пpинципе надо пpогонять чеpез
AG> каждый класс, и не один pаз - а несколько, немного его масштабиpyя
AG> достигая тем самым оптимальной "похожести".
Различать прописные и строчные символы - не проблема.
Можно иметь две сети Хэмминга (повторяюсь, ее преимущество
перед персептроном и другими _классическими_ HC в том, что
она обучается за 1 (sic!) проход [кто обучал персептрон,
поймет]) - одна для прописных символов, другая - для строчных,
т.е. обучать на соответствующих образцах. А имея строку в
растре (я оговариваю, что текст приличного качества,
нерукописный, например, отсканирована напечатанная
страница), понять, где большая буква, а где маленькая,
IMHO как три байта переслать :). И для распознавания
использовать нужную сеть.
Кстати, при распознавании автомасштабирование и
автообрезка по умолчанию, т.к. количество входов сети
определяется размерами входного изображения, например
если оно 30х30, то получаем 900 входов, на каждом из
которых 0 или 1. И каждый распознаваемый символ
автоматически локализуется и подгоняется в эти
самые 30х30.
BTW, в принципе можно использовать только одну сеть,
обученную на всех символах (строчных и прописных), которая
сама выберет, на что более всего похож распознаваемый
символ. И это можно использовать для проверки
правильности определения нами регистра символа.
ЗЫ: Я применял сеть Хэмминга для рукописного текста Ж;)
WBR, Artem Gubenkov.
--- ifmail v.2.15dev5
* Origin: News Server of JSC Saratov-Mobile (2:5020/400)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
