| संस्करण | 1.0 |
|---|---|
| प्रकाशक | Luigi Rosa |
| जारी मिति | २०१२ नोभेम्बर १९ |
| मिति थपियो | २०१२ नोभेम्बर १९ |
| ओएस आवश्यकताहरू | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| आवश्यकताहरु | Matlab |
| कुल डाउनलोड | ६९१ |
| हप्तामा डाउनलोडहरू | १ |
| मूल्य | Free |
वर्णन
अप्टिकल क्यारेक्टर रिकग्निसन (OCR) ASCII जस्ता क्यारेक्टर कोडहरूमा छापिएका वा लिखित टेक्स्ट क्यारेक्टरहरूको अप्टिकल स्क्यान गरिएको बिटम्यापको अनुवाद हो। यो हार्ड-प्रतिलिपि सामग्रीहरूलाई डाटा फाइलहरूमा परिणत गर्ने एक प्रभावकारी तरिका हो जुन सम्पादन गर्न सकिन्छ र अन्यथा कम्प्युटरमा हेरफेर गर्न सकिन्छ। यो पुस्तकालयहरू र सरकारी एजेन्सीहरूले लामो कागजातहरू छिटो इलेक्ट्रोनिक रूपमा उपलब्ध गराउन प्रयोग गर्ने प्रविधि हो। OCR प्रविधिमा भएको प्रगतिले उद्यमहरूले यसको बढ्दो प्रयोगलाई प्रोत्साहित गरेको छ। धेरै कागजात-इनपुट कार्यहरूको लागि, OCR सबैभन्दा लागत-प्रभावी र छिटो उपलब्ध विधि हो। र प्रत्येक वर्ष, टेक्नोलोजीले एक पटक फाइल क्याबिनेटहरू र कागज कागजातहरूले भरिएको बक्सहरूमा एक पटक भण्डारण ठाउँ खाली गर्दछ। OCR प्रयोग गर्नु अघि, स्रोत सामग्रीलाई बिटम्याप (डटहरूको ढाँचा) को रूपमा पृष्ठमा पढ्नको लागि अप्टिकल स्क्यानर (र कहिलेकाहीँ PC मा एक विशेष सर्किट बोर्ड) प्रयोग गरेर स्क्यान गर्नुपर्छ। छविहरू पहिचान गर्न सफ्टवेयर पनि आवश्यक छ।
हाम्रो सफ्टवेयर प्याकेजले न्यूरल नेटवर्कहरू प्रयोग गरेर UJI पेन क्यारेक्टर डाटा सेटको पृथक हस्तलिखित क्यारेक्टरहरू र अंकहरूको वर्गीकरण समाधान गर्ने प्रस्ताव गर्दछ। डाटामा ट्याब्लेट पीसीमा 11 लेखकहरूले लेखेका 26 क्यारेक्टरहरू र 10 अंकहरूको नमूनाहरू हुन्छन्। क्यारेक्टरहरू (मानक UNIPEN ढाँचामा) दुबै माथिल्लो र तल्लो अक्षरमा लेखिएका छन् र त्यहाँ प्रति लेखक क्यारेक्टरहरूको पूरै दुई सेट छ। त्यसैले आउटपुट 35 कक्षाहरू मध्ये एकमा हुनुपर्छ। अन्तिम उद्देश्य भनेको प्रत्येक पात्रको लागि लेखक स्वतन्त्र मोडेल निर्माण गर्नु हो।
मूल्यवान सुविधाहरूको चयन चरित्र पहिचानमा महत्त्वपूर्ण हुन्छ, त्यसैले विशेषताहरूको नयाँ र अर्थपूर्ण सेट, युनिफर्म डिफरेंशियल नर्मलाइज्ड कोऑर्डिनेट्स (UDNC), C. Agell द्वारा प्रस्तुत गरिएको हो। यी सुविधाहरू सरल वर्गीकरण एल्गोरिदमहरू प्रयोग गरेर पहिचान दर सुधार गर्न देखाइन्छ ताकि तिनीहरू न्यूरल नेटवर्कलाई तालिम दिन र UJI पेन क्यारेक्टर डेटा सेटमा यसको प्रदर्शन परीक्षण गर्न प्रयोग गरिन्छ।
अनुक्रमणिका सर्तहरू: Matlab, स्रोत, कोड, ocr, अप्टिकल क्यारेक्टर पहिचान, स्क्यान गरिएको पाठ, लिखित पाठ, ascii, पृथक वर्ण।
