Распознавание рукописного текста

From

Алексей Д. ()

To

All

Date

2002-08-02T13:50:59Z

Area

RU.ALGORITHMS

From: "Алексей Д." <odegtyarenko@ukrtelecom.net>

    Я прочитал все статьи на эту тему в этой эхе.
Когда-то давно, я плотно занимался этой задачей. Скажу сразу,
что с книгами

Neural Smithing : Supervised Learning in Feedforward Artificial Neural
Networks
(Russell D. Reed, Robert J. II Marks, Robert J., II Marks)
и
Горский H. Д., Анисимов В.А., Горская Л.М, "Распознавание
рукописного текста. От теории к практике.", СПб Политехника 1997

я не знаком.
    Кратко по сути:
1. Для каждого символа строился параллелограмм, верхняя (и нижняя) стороны
которого параллельны строкам текста. При этом учитывалась относительная
ширина букв русского языка, а также отношение ширины букв к их высоте.
Наклон
боковых сторон параллелограмма мог быть как в лево, так и в право.
Допускался
наклон =0.
2. Полученные параллелограммы по сути матрицы размера MxN. Черный пиксель -
1,
белый - 0.
3. Следующее самое главное: Построить множество функций, которые бы
как можно точнее из _разных_  матриц "высасывали" одинаковые символы,
Разными считаются матрицы, отличающиеся хотя бы одним символом.
При этом функции должны учитывать:
3.1.  MxN (зависит от разрешения при сканировании),
3.2. относительную ширину букв русского языка,
3.3. отношение ширины букв к их высоте.

И это все. Опущено много подробностей. Но суть понятна.
Программа легко обучаемая, так как для конкретного текста
изменялись некоторые параметры некоторых функций, или(и)
добавлялись из множества несколько других функций.

    Когда работа подходила к завершению (готово было примерно 75%)
начальство дало команду "Это отставить, а делать вот это". А "вот это" -
совсем другое. И больше не было возможности вернуться к этой работе.

В заключение скажу что алгоритм многопроходный. Особого тормоза
я не замечал. Был тогда у меня пень 133 и 32 метра оперативки.

        Алексей Д.


--- ifmail v.2.15dev5
 * Origin: MTU-Intel ISP (2:5020/400)