PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  handwriting
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Sieci neuronowe w rozpoznawaniu pisma odręcznego
Michalik Bernadetta, Miłosz Marek
Journal of Computer Sciences Institute
|
2020
|
Vol. 15
109--113
EN
Artificial neural networks consist of many simple elements capable of processing data. These are tools inspired by the construction of the human brain, used in machine learning. The aim of the research was to analyze the occuracy of the created neural network in the process of handwriting recognition. The article presents the results obtained during the learning and testing of a convolution network with a different number of hidden layers. Each time learning and testing the network was carried out using the same set of images (taken from the publicly available IAM database) depicting handwritten words in English.
PL
Sztuczne sieci neuronowe składają się z wielu prostych elementów zdolnych do przetwarzania danych. To narzędzia inspirowane budową ludzkiego mózgu, stosowane w uczeniu maszynowym. Celem badań była analiza dokładności odpowiedzi stworzonej sieci neuronowej w procesie rozpoznawania pisma odręcznego. W artykule przedstawiono wy-niki uzyskane podczas nauki i testowania sieci konwolucyjnej o różnej liczbie warstw ukrytych. Każdorazowo uczenie i testowanie sieci realizowane było za pomocą tego samego zbioru obrazów (zaczerpniętych z ogólnodostępnej bazy IAM Handrwiting Database) przedstawiających słowa pisane odręcznie w języku angielskim.
2
Content available Efektywność sztucznych sieci neuronowych w rozpoznawaniu znaków pisma odręcznego
Miłosz Marek, Gazda Janusz
Journal of Computer Sciences Institute
|
2018
|
Vol. 7
210--214
PL
Sztuczne sieci neuronowe są jednym z narzędzi współczesnych systemów odtwarzania z obrazów tekstów, w tym pisanych odręcznie. W artykule przedstawiono rezultaty eksperymentu obliczeniowego mającego na celu analizę jakości rozpoznawania cyfr pisanych odręcznie przez dwie sztuczne sieci neuronowe (SSN) o różnej architekturze i parametrach. Jako podstawowe kryterium jakości rozpoznawania znaków użyto wskaźnika poprawności. Poza tym analizie poddano liczbę neuronów i ich warstw oraz czas uczenia SSN. Do stworzenia SSN, oprogramowania algorytmów ich uczenia i testowania wykorzystano język Python i bibliotekę TensorFlow. Obydwie SSN uczono i testowano przy pomocy tych samych dużych zbiorów obrazów znaków pisanych odręcznie.
EN
Artificial neural networks are one of the tools of modern text recognising systems from images, including handwritten ones. The article presents the results of a computational experiment aimed at analyzing the quality of recognition of handwritten digits by two artificial neural networks (ANNs) with different architecture and parameters. The correctness indicator was used as the basic criterion for the quality of character recognition. In addition, the number of neurons and their layers and the ANNs learning time were analyzed. The Python language and the TensorFlow library were used to create the ANNs, and software for their learning and testing. Both ANNs were learned and tested using the same big sets of images of handwritten characters.
3
Content available The Impact of Filters on the Quality of Binarization for Handwriting Images
Adamski M., Pryzmont K.
Advances in Computer Science Research
|
2018
|
Nr 14
17--30
EN
Filtration and binarization techniques are often used in handwriting recognition systems. These operations are performed as part of a stage called preprocessing, the result of which is passed to feature extraction and classification processes. Operations performed as part of the preprocessing are important because their result affects the outcome of the entire system. This paper focuses on the assessment of filtration techniques influence on the binarization of handwriting images. In the experiments, four filtration methods were tested with seven thresholding algorithms for various combinations of filtration and binarization parameters. The experiments were conducted on handwriting images selected from Document Binarization Competitions (DIBCO) datasets with ground truth images for the assessment of binarization correctness. The final evaluation was conducted based on the average of quality measures: F-measure, Accuracy, Relative Foreground Area Error and Region Nonuniformity.
PL
Filtracja i binaryzacja są często stosowanymi technikami w systemach rozpoznawania pisma odręcznego. Operacje te są wykonywane w ramach etapu zwanego wstępnym przetwarzaniem, którego rezultat jest przekazywany do kolejnych etapów: ekstrakcji cech i klasyfikacji. Operacje wykonywane w ramach wstępnego przetwarzania są istotne ponieważ ich wyniki wpływają na poprawność pracy całego systemu. W niniejszej pracy skupiono się nad oceną wpływu wyboru metody filtracji obrazu na efekt procesu binaryzacji dla obrazów z pismem odręcznym. W eksperymentach zbadano 4 metody filtracji w połączeniu z 7 metodami progowania dla różnych kombinacji parametrów tych metod. Do eksperymentów użyto wybrane obrazy z pismem odręcznym z baz konkursów binaryzacji dokumentów DIBCO oraz obrazy referencyjne do oceny poprawności binaryzacji. Ocenę wykonano na bazie średniej z miar F-measure, Accuracy, Relative Foreground Area Error, Region nonuniformity.
4
Metody ekstrakcji linii tekstu w złożonych dokumentach rękopiśmiennych
Pach J.
Elektronika : konstrukcje, technologie, zastosowania
|
2015
|
Vol. 56, nr 12
92-96
PL
W artykule przedstawiono metody komputerowe wykorzystywane do wykrywania linii tekstu w dokumentach rękopiśmiennych. Przedstawiono problematykę automatycznej identyfikacji autora tekstu na podstawie cech jego pisma. Ponieważ jest to problematyka złożona, omówiono ogólną metodologię przetwarzania tekstu z wykorzystaniem przetwarzania cyfrowej wersji obrazu dokumentu zeskanowanego lub pozyskanego poprzez fotografię. Omówiono główne grupy algorytmów służących do wykrywania linii w tekście, przedstawiając ich ogólną ideę, wady i zalety. Zaprezentowano także autorski algorytm wykorzystujący transformatę Hougha, którego skuteczność analizy trudnych średniowiecznych dokumentów łacińskich jest wyższa, niż pozostałych podejść. Wykazano jej dokładność na przykładzie eksperymentu z wybranymi dokumentami archiwalnymi.
EN
The paper presents the computer-based methods for the text line detection in hand-written manuscripts. The problem of the automated author detection based on his writing habits was defined. Because the task is difficult and complex, the general text processing methodology is introduced, working with the scanned or photographed documents. The main groups of algorithms applied to the text line detection were introduced with their advantages and drawbacks iterated. The novel approach for the task, exploiting the modified Hough transform is also presented. Its efficiency of detecting text lines in the complex medieval manuscripts is higher than for approaches used so far. This is demonstrated based on the selected archived documents.
5
Content available remote Analysis of the Arabic using neural networks: an overview
Soori H., Platos J., Snasel V.
Przegląd Elektrotechniczny
|
2013
|
R. 89, nr 11
47-50
EN
This paper is a quick review of some of the scholarly work aiming at solving various problems of the Arabic language using neural networks. It includes some research work concerning online recognition of handwritten Arabic characters, speech recognition, offline character text recognition, text categorization and recognition of printed text. This paper concludes that more research should be conducted in this area considering the importance of the Arabic language, the rapid growth of internet users in the Arab world, and the widespread usage of Arabic characters by many languages other than Arabic.
PL
W artykule przedstawiono metody analizy języka arabskiego z wykorzystaniem sieci neuronowych. Analizowano możliwości rozpoznawania pisma odręcznego, drukowanego jak i mowy.
6
Content available remote Oversegmentation methods for character segmentation in off-line cursive handwritten word recognition : an overview
Brodowska M.
Schedae Informaticae
|
2011
|
Vol. 20
43-65
EN
Character segmentation (i.e. splitting the images of handwritten words into pieces corresponding to single letters) is one of the required steps in numerous off-line cursive handwritten word recognition solutions. It is also a very important step, because improperly extracted characters are usually impossible to recognize correctly with currently used methods. The most common method of character segmentation is initial oversegmentation - finding some set of potential splitting points in the graphical representation of the word and then attempting to eliminate the improper ones. This paper con- tains a list of popular approaches for generating potential splitting points and methods of verifying their correctness.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.