Witam, czy ktoś może się orientuje w technologiach OCR, które są np w urządzeniach z ekranem dotykowym, gdzie pisze się rysikiem literę i urządzenie ją rozpoznaje?
Czytałem, że tekst rozpoznaje się przy użyciu sieci neuronowych. Teraz rodzi się pytanie, czy te sieci lepiej zaimplementować programowo w mikrokontrolerze, czy może są jakieś specjalizowane układy z programowalną analogową siecią neuronową?
Np znalazłem układ HM2007, tyle, że on służy do rozpoznawania dzwięku. Czy można wykorzystać jego sieć neuronową do rozpoznawania tekstu?
Analogowa sieć neuronowa do OCR?
-
Aro
- Użytkownik
- Posty: 677
- Rejestracja: 30 paź 2006, 18:49
- Lokalizacja: Świerczyniec | Wrocław
- Kontakt:
Jeśli szukasz czegoś dobrego o podstawach SSN, to tylko książka Steven W. Smith - DSP cyfrowe przetwarzanie sygnałów. Jest tam przedstawiony tylko jeden rodzaj sieci, ale za to bardzo przystępnie. Interesująca jest też książka Ossowskiego - Sieci neuronowe w ujęciu algorytmicznym. W języku polskim na necie jest dość ubogo w tym temacie.
Sieci neuronowe nie sa juz wykorzystywane do rozpoznawania obrazów. Przykładowo lepsze efekty daje o wiele prostsza metoda 1-NN. Polega ona na wyodrebnieniu cech z danego obrazu i poszukiwaniu najblizszego sasiada, czyli wzorca posiadajacego wektor cech o wartosciach najblizszych wektorowi cech danego przypadku.
Powodem coraz mniejszego zainteresowania SSN w pattern recognition jet to, że SSN zle radza sobie z generalizacją.
Działanie SSN można porównać do oglądania obrazu przez lupkę, doszukiwania się różnic na poziomie pikseli, nie widząc całości. A generalizacja to wlasnie widok z góry, na całość, czyli rozpoznawanie liter pod różnym kątem, różnej grubości, podobieństwa kształtu.
Metody Nearest Neighbor są realizowane za pomocą pewnych algorytmów, natomiast sieci działają same z siebie (pomijając Back Propagation).
Zważywszy na stopień złożoności algorytmów różnych metod byc może efektywniejsza będzie implementacja SSN z wprowadzonymi obliczonymi już wcześniej wartosciami wag i architekturą. To zalezy co chcesz robić, na czym.
Powodem coraz mniejszego zainteresowania SSN w pattern recognition jet to, że SSN zle radza sobie z generalizacją.
Działanie SSN można porównać do oglądania obrazu przez lupkę, doszukiwania się różnic na poziomie pikseli, nie widząc całości. A generalizacja to wlasnie widok z góry, na całość, czyli rozpoznawanie liter pod różnym kątem, różnej grubości, podobieństwa kształtu.
Metody Nearest Neighbor są realizowane za pomocą pewnych algorytmów, natomiast sieci działają same z siebie (pomijając Back Propagation).
Zważywszy na stopień złożoności algorytmów różnych metod byc może efektywniejsza będzie implementacja SSN z wprowadzonymi obliczonymi już wcześniej wartosciami wag i architekturą. To zalezy co chcesz robić, na czym.