Sistema de reconocimiento de caracteres ópticos. Proporcionar un sistema de reconocimiento de caracteres ópticos para MATLAB.
Descargar ahora

Sistema de reconocimiento de caracteres ópticos. Clasificación y resumen

Sistema de reconocimiento de caracteres ópticos. Etiquetas

Sistema de reconocimiento de caracteres ópticos. Descripción

El reconocimiento de caracteres ópticos (OCR) es la traducción de mapas de bits escaneados ópticamente de caracteres de texto impresos o escritos en códigos de caracteres, como ASCII. Esta es una forma eficiente de convertir los materiales de copia dura en los archivos de datos que se pueden editar y manipularon de otra manera en una computadora. Esta es la tecnología utilizada durante mucho tiempo por las bibliotecas y las agencias gubernamentales para hacer que los documentos largos sean rápidamente disponibles electrónicamente. Los avances en la tecnología OCR han estimulado su uso creciente por parte de las empresas. Para muchas tareas de entrada de documentos, OCR es el método más rentable y rápido disponible. Y cada año, la tecnología libera acres de espacio de almacenamiento que se entregó una vez a los archivadores y cajas llenas de documentos de papel. Antes de que se pueda usar OCR, el material de origen debe escanearse utilizando un escáner óptico (y, a veces, una placa de circuito especializada en la PC) para leer en la página como un mapa de bits (un patrón de puntos). También se requiere software para reconocer las imágenes. Nuestro paquete de software propone resolver la clasificación de caracteres manuscritos aislados y dígitos del conjunto de datos de caracteres de pluma UJI utilizando redes neuronales. Los datos consisten en muestras de 26 caracteres y 10 dígitos escritos por 11 escritores en una tableta PC. Los caracteres (en formato estándar de unipen) se escriben tanto en mayúsculas como en minúsculas y hay un conjunto completo de dos caracteres por escritor. Así que la salida debe estar en una de las 35 clases. El objetivo final está construyendo un modelo independiente de escritor para cada personaje. La selección de características valiosas es crucial en el reconocimiento de caracteres, por lo tanto, se adopta un conjunto nuevo y significativo de características, se adoptan las coordenadas diferenciales uniformes (UDNC), introducidas por C. AGELL. Estas características se muestran para mejorar la tasa de reconocimiento utilizando algoritmos de clasificación simples, por lo que se utilizan para capacitar a una red neuronal y probar su rendimiento en el conjunto de datos de caracteres de Lápiz UJI. Términos del índice: matlab, fuente, código, OCR, reconocimiento de caracteres ópticos, texto escaneado, texto escrito, ASCII, carácter aislado.

Sistema de reconocimiento de caracteres ópticos. Software relacionado