Розпізнавання друкованих цифр з використанням послідовного ймовірнісного критерія

Volodymyr Kharchenko, Iurii Chyrka

Анотація


Мета: представлені результати досліджень спрямовані на краще розуміння методів комп’ютерного зору та їхніх можливостей. Статистичний класифікатор та штучна нейронна мережа дозволяють обробляти типові об’єкти з простими дескрипторами. Методи дослідження: розглянуті методи базуються на теорії ймовірності, теорії оптимізації, ядерній оцінці щільності ймовірності та комп'ютерному моделюванні як засобі апробації. Результати: розглянута архітектура штучної нейронної мережі має перевагу у порівнянні зі статистичним методом завдяки кращій здатності до класифікації. Представлені результати експериментальної перевірки доводять цю перевагу і у випадку одиничного спостереження, і при послідовному сценарії. Обговорення: підхід може бути реалізований у багатьох системах комп’ютерного зору, що оглядають друкований текст в складних шумових умовах.


Ключові слова


Байєсівський класифікатор; нейрона мережа; послідовний критерій; розпізнавання цифр

Посилання


Vasudeva N., Parashar H. J., and Vijendra S. (2012) Offline Character Recognition System Using Artificial Neural Network. International Journal of Machine Learning and Computing, No. 4(2), pp. 449–452.

Samadiani N., and Hassanpour H. (2015) A neural network-based approach for recognizing multi-font printed English characters. Journal of Electrical Systems and Information Technology, No. 2, pp. 207–215.

Dong Xiao Ni Seidenberg, “Application of Neural Networks to Character Recognition”, CSIS, Pace University, School of CSIS, Pace University, White Plains, NY, 2007

Coates A., Carpenter B., Case C., Satheesh S., Suresh B., Wang T., Wu D.J., Ng A.Y. (2011) Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning. Proc. 2011 Int. Conf. on Document Analysis and Recognition (ICDAR). Beijing, China, doi: 10.1109/ICDAR.2011.95

LeCun Y., Jackel L., Bottou L., Brunot A., Cortes C., Denker J., Drucker H., Guyon I., Müller U., Säckinger E., Simard P., Vapnik V. (1995) Comparison of learning algorithms for handwritten digits recognition. Proc. 1995 Int. Conf. on Artificial Neural Networks. Paris, France, pp. 53-60.

Pham C.H., Yaguchi Y., and Naruse, K. (2016) Feature Descriptors: a Review of Multiple Cues Approaches. Proc. 2016 IEEE Int. Conf. on Computer and Information Technology. Fiji, pp. 310-315. doi: 10.1109/CIT.2016.61

Wasserman L. (2006). All of Nonparametric Statistics. Springer Texts in Statistics. New York, NY, Springer, 268 p.

Kharchenko V.P., Kukush A.G., Kuzmenko N.S., and Ostroumov I.V. (2017) Probabilistic Approach to Object Detection and Recognition for Videostream Processing. Proceedings of the NAU, No. 2(71), pp. 8–14. doi: 10.18372/2306-1472.71.11741

Kharchenko V., Pawęska M., Bugayko D., Antonova A., Grigorak M. (2017) Theoretical Approaches for Safety Levels Measurements–Sequential Probability Ratio Test (SPRT). Logistics and Transport, no. 2(34), p.p. 25-32.


Повний текст: PDF

Посилання

  • Поки немає зовнішніх посилань.


ISSN 2306-1472 (Online), ISSN 1813-1166 (Print)

Передплатний індекс 86179

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.

Ulrich's Periodicals DirectoryIndex CopernicusDOAJSSMРИНЦWorldCatCASEBSCOCrossRefBASEDRIVERНаціональна бібліотека ім. ВернадськогоНауково-технічна бібліотека НАУ