| Верзија | 1.0 |
|---|---|
| Издавач | Luigi Rosa |
| Датум изласка | 19. 11. 2012. |
| Датум додавања | 19. 11. 2012. |
| Ос захтеви | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Захтеви | Matlab |
| Укупно преузимања | 691 |
| Преузимања недељно | 1 |
| Цена | Free |
Опис
Оптичко препознавање знакова (ОЦР) је превођење оптички скенираних битмапа штампаних или писаних знакова текста у знаковне кодове, као што је АСЦИИ. Ово је ефикасан начин да се штампани материјали претворите у датотеке са подацима које се могу уређивати и на други начин манипулисати на рачунару. Ово је технологија коју дуго користе библиотеке и владине агенције како би дугачке документе брзо учинили доступним електронским путем. Напредак у ОЦР технологији подстакао је њену све већу употребу у предузећима. За многе задатке уноса докумената, ОЦР је најисплативија и најбржа доступна метода. И сваке године, технологија ослобађа хектаре складишног простора који се једном предају ормарићима и кутијама пуним папирних докумената. Пре него што се ОЦР може користити, изворни материјал мора бити скениран помоћу оптичког скенера (а понекад и специјализоване плоче на рачунару) да би се страница прочитала као битмап (шаблон тачака). Потребан је и софтвер за препознавање слика.
Наш софтверски пакет предлаже да се реши класификација изолованих руком писаних знакова и цифара у скупу података УЈИ Пен знакова коришћењем неуронских мрежа. Подаци се састоје од узорака од 26 знакова и 10 цифара које је написало 11 писаца на таблет рачунару. Знакови (у стандардном УНИПЕН формату) су написани и великим и малим словима и постоје два комплета карактера по писцу. Дакле, излаз би требао бити у једној од 35 класа. Крајњи циљ је изградња независног модела писца за сваки лик.
Одабир вредних карактеристика је кључан у препознавању карактера, стога је усвојен нови и смислен скуп карактеристика, Униформ Дифферентиал Нормализед Цоординатес (УДНЦ), који је увео Ц. Агелл. Показало се да ове карактеристике побољшавају стопу препознавања коришћењем једноставних алгоритама за класификацију тако да се користе за обуку неуронске мреже и тестирање њених перформанси на скупу података УЈИ оловке.
Индексни појмови: Матлаб, изворни код, оцр, оптичко препознавање знакова, скенирани текст, писани текст, асции, изоловани карактер.
