МЕТОДЫ РАЗРАБОТКИ ПРОГРАММНЫХ СРЕДСТВ РАСПОЗНАВАНИЯ ТЕКСТА
Kalit so'zlar:
Оптическое распознавание, контекст распознавания, сканирование документов, цифровое изображение, предварительная обработка изображения, технология оптического распознавания символовAnnotatsiya
Статья рассматривает современные методы оптического распознавания текста и актуальность перевода информации с бумажных носителей на электронные. Обсуждаются преимущества текстового представления информации и разработка метода для распознавания текста с изображений, полученных с использованием камеры высокого разрешения. Описываются различные этапы работы алгоритма распознавания, включая предварительную обработку изображения, сегментацию и оптическое распознавание символов. В качестве модели для обучения выбрана сверточная нейронная сеть. Завершается статья обсуждением важности распознавания текста на изображениях и выбора качества при массовом преобразовании изображений в текст.
Библиографические ссылки
Клетте Р. Компьютерное зрение. Теория и алгоритмы / Р. Клетте, – М.: Изд-во «ДМК Пресс», 2019. – 506 с.
Шакирьянов Э. Д. Компьютерное зрение на Python. Первые шаги / Э. Д. Шакирьянов, – М.: Изд-во «Лаборатория знаний», 2021. – 160 с.
Солем Я. Э. Программирование компьютерного зрения на языке Python / Я. Э. Солем, – М.: Изд-во «ДМК Пресс», 2016. – 314 с.
Чару А. Нейронные сети и глубокое обучение. Учебный курс / А. Чару, – M.: Изд-во «Вильямс», 2020. – 752 с.
Understanding LSTM Networks [Электронный ресурс]. URL: http://colah.github.io/posts/2015-08-Understanding-LSTMs/ (Дата обращения: 16.04.2021).
Алгоритм Дугласа-Пекера [Электронный ресурс]. URL: https://habr.com/ru/post/448618/ (Дата обращения: 23.03.2021).
Мюллер А. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными / А. Мюллер, С. Гвидо, – M.: Изд-во «Вильямс», 2017. – 480 с.
Лутц М. Изучаем Python / М. Лутц, – M.: Изд-во «Символ-Плюс», 2011. – 1280 с.
