| Versione | 1.0 |
|---|---|
| Editore | Luigi Rosa |
| Data di rilascio | 19 nov 2012 |
| Data aggiunta | 19 nov 2012 |
| Requisiti del sistema operativo | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Requisiti | Matlab |
| Download totali | 691 |
| Download a settimana | 1 |
| Prezzo | Free |
Descrizione
Il riconoscimento ottico dei caratteri (OCR) è la traduzione di bitmap scansionate otticamente di caratteri di testo stampati o scritti in codici di caratteri, come ASCII. Questo è un modo efficiente per trasformare i materiali cartacei in file di dati che possono essere modificati e altrimenti manipolati su un computer. Questa è la tecnologia utilizzata da tempo dalle biblioteche e dalle agenzie governative per rendere rapidamente disponibili elettronicamente lunghi documenti. I progressi nella tecnologia OCR hanno stimolato il suo crescente utilizzo da parte delle imprese. Per molte attività di immissione di documenti, l'OCR è il metodo più rapido e conveniente disponibile. E ogni anno, la tecnologia libera acri di spazio di archiviazione una volta dedicato a schedari e scatole piene di documenti cartacei. Prima di poter utilizzare l'OCR, il materiale sorgente deve essere scansionato utilizzando uno scanner ottico (e talvolta un circuito stampato specializzato nel PC) da leggere nella pagina come bitmap (un motivo di punti). È inoltre necessario un software per riconoscere le immagini.
Il nostro pacchetto software propone di risolvere la classificazione di caratteri e cifre scritti a mano isolati del set di dati dei caratteri della penna UJI utilizzando le reti neurali. I dati sono costituiti da campioni di 26 caratteri e 10 cifre scritti da 11 autori su un tablet PC. I caratteri (in formato UNIPEN standard) sono scritti sia in maiuscolo che in minuscolo e c'è un intero set di due caratteri per scrittore. Quindi l'output dovrebbe essere in una delle 35 classi. L'obiettivo finale è costruire un modello indipendente dallo scrittore per ogni personaggio.
La selezione di caratteristiche preziose è cruciale nel riconoscimento del carattere, pertanto viene adottato un nuovo e significativo insieme di caratteristiche, le Uniform Differential Normalized Coordinates (UDNC), introdotte da C. Agell. È stato dimostrato che queste funzionalità migliorano il tasso di riconoscimento utilizzando semplici algoritmi di classificazione, quindi vengono utilizzate per addestrare una rete neurale e testarne le prestazioni su un set di dati di caratteri penna UJI.
Termini dell'indice: Matlab, sorgente, codice, ocr, riconoscimento ottico dei caratteri, testo scansionato, testo scritto, ascii, carattere isolato.
