Розпізнавання друкованих цифр з використанням послідовного ймовірнісного критерія
DOI:
https://doi.org/10.18372/2306-1472.74.12286Ключові слова:
Байєсівський класифікатор, нейрона мережа, послідовний критерій, розпізнавання цифрАнотація
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.
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.
Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з такими умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
