鲁棒的多体印刷英文识别系统的实现

文章讨论了设计一个实用的多体英文识别系统中解决的主要问题。该系统能识别多达260种字体,包括斜体和黑体等字体,对训练集的识别率达到99%,对实际文本测试的错误率比TH-OCR2000低56%。文章详细阐述了文本行字切分,特征提取和分类器设计,以及后处理所使用的常用技术,对各种技术的特点进行了分析和比较,并提出了一些新的技术。文章对于OCR系统的设计具有一定的指导意义。

多体印刷英文识别系统的算法设计

本文研究介绍了一套基于最小距离分类器的多体印刷英文识别系统的算法,详细阐述了印刷英文资料中字切分与行切分的具体方案,建立了以马氏距离为距离度量的最小距离分类器以实现对于印刷英文资料的识别处理,最后借助基于英文词典和识别置信度加权编辑距离后处理规则对识别结果加以完善,进一步提高多体印刷英文识别算法的准确率水平。

特征融合及相似度判据在英文识别中的应用

英文字符识别率依然有待提高,它是进一步改善英文文档识别性能的重要内容。文章通过大量的实验,选取穿越特征和网格特征作为英文字符的分类特征,并通过实验得到一组较优的加权因子将两种特征合并,实现特征融合。基于上述混合特征,利用图像相似性测度作为分类判据,实现了一个高性能的英文字符识别系统。

基于多维特征和候选项的易混手写英文识别

针对手写英文识别中易混字符的识别问题,提出一种结合多维特征和候选项以区分易混字符的识别方法。利用卷积神经网络(convolutional neural networks,CNN)对手写英文字符进行识别,根据初始字符识别信息确定易混字符的类别;利用多维特征,设计针对不同类别易混字符的识别规则;由易混字符和其相连字符组成候选项单词,结合语料库以及字符间构成关系,最终对易混字符进行识别判断。实验结果表明,该方法在解决了易混字符的识别问题后,识别手写英文字符的平均准确率达到98.67%,具有一定应用价值。

基于SVM算法的英文识别工具

在计算机领域,除了传统的、经典的知识以外,众多从事该行业的工作者、学生等还需要掌握当今最前沿的技术,以及不断了解最新的领域知识。因此阅读期刊论文、查看会议报告等是我们获取知识过程中非常重要的一个环节。众多外文文献以pdf或纸质的形式存在不仅在记录笔记方面不方便,同时对于英文较差的行业从事者也是一个非常大的挑战。为了解决这类问题,本文设计了一种基于SVM分类算法的英文识别工具,将阅读内容转化成word形式,既可以随意的进行更改,又可以方便利用翻译软件进行翻译,大大提升了阅读效率。

基于Conformer的端到端中英文管制语音识别

将语音识别技术应用到空中交通管理系统中可以提高飞行安全并降低管制员的工作负荷,目前已有的管制语音识别技术在中英文识别上效果较差,因此提出了一种基于Conformer-CTC/Attention的中英文管制语音识别框架。该方法使用基于改进的Conformer共享编码器对输入序列进行语言分类并以参数有效的方式对音频序列的局部和全局相依性进行建模,添加了语种分类模块来判断输入语音序列的语种,还采用了CTC解码器和注意力解码器联合解码的多任务建模方法。最后在建立的民航数据集对所提出的框架进行验证,试验结果表明,Conformer-CTC/Attention(Language-Category)相对于基线模型错误率降低,识别效果达到预期。

基于离散Hopfield网络对英文字母识别的研究

中国的车牌有三部分构成,第一部分为汉字,表示该车户口所在省的简称。第二部分为英文字母,表示该车所在地的地市一级代码。第三部分为数字和英文字母的组合。随着公路上交通压力越来越大以及汽车管理效率的低下,提出了针对车牌中的英文字母的识别方法。定义了标准英文字母,鉴于车牌识别中遇到的各种情况,进行模拟。比如对字母进行模糊处理,模拟实际生活中车牌的污点情况;对字母进行倾斜处理,模拟实际生活中遇到的车牌倾斜情况;对字母进行遮挡,模拟实际生活中车牌的遮挡情况。加入的噪声情况可以远大于或者远小于实际情况,然后测试各种情况下,离散Hopfield网络的识别效果。这样可以更好地测试网络性能。实验结果表明:离散Hopfield网络对英文字母具有较好的识别效果。

印刷体英文文档识别系统的设计与实现

光学字符识别是模式识别领域的一个重要分支.提出并实现了一种用于印刷体英文文档的OCR系统.该系统使用基于字符识别的方法进行文档识别,图像经过预处理后,提取多种特征进行组合,并且考虑到字符粘连的情况,在训练样本中加入部分易粘连字母组合进行识别.通过实验证明,该识别系统快速、稳定且有效.

基于改进BP算法的英文字母识别

提出了一种基于人工神经网络的英文字母识别方法。以改进的人工神经网络BP算法为基础,设计了一个英文字母识别系统,对大小写英文字母进行识别。实验结果表明,改进的BP算法降低了网络训练次数,有效地对由多种字体组成的英文大小写字母样本集进行训练,实现了对多种字体的英文字母的识别。

实时识别数字和英文字母快速算法的现场可编程门阵列设计

在分析阿拉伯数字以及大写英文字母的形状特征后,提出了一种适于现场可编程门阵列(FPGA)实现的图像实时识别算法.该算法能够充分描述数字和字母图像的特征向量,然后经过预处理和定位后提取出各特征向量,最后计算出各特征向量间的距离并比较大小就能对图像进行实时识别.算法对图像平移和小角度旋转具有不变性,并且具有简单、识别准确率高、计算复杂度低、存储量小的优点.FPGA仿真结果表明,该算法只需要8 000逻辑门就能实时识别出50×75像素大小的数字和字母图像,证明了算法具有较高的可行性和高效性.

计算机辅助视觉下的英文字母识别软件系统设计与实现

传统的英文字母计算机辅助视觉识别方法采用图像边缘轮廓检测方法,在字母识别过程中容易产生虚假轮廓特征干扰,导致识别准确度不高。该文结合嵌入式Linux设备驱动程序开发,进行计算机辅助视觉下的英文字母识别软件优化设计。使用Qt/Embedded作为GUI,构建用户应用程序,基于X86架构的GNU开发工具集进行计算机辅助视觉下的英文字母识别文件系统配置和编译,通过设备驱动程序开发,进行软件设计优化,包括字符设备驱动程序、块设备驱动程序和网络设备驱动程序。系统测试表明,该英文字母识别软件具有较好的识别精度和收敛性,软件可靠度较高,人机交互性能较好。

基于神经网络的带噪声英文字母和数字识别

应用神经网络的方法,设计了一个432-26-36结构的三层BP训练网络,来识别具有一定噪声的26个大写英文字母及10个阿拉伯数字,并考察了网络初始参数对于收敛速度的影响,通过多次对试验结果的比较选取了最佳隐层节点个数。系统用MatLab进行仿真实现,试验结果表明该系统能够对具有一定噪声的大写英文字母和数字进行非常好的识别。

英文光学字符识别的后处理

总结了英文光学字符识别 (OCR)系统中的常见错误类型 ,论证了使用拼写检查技术发现错误的可能性 .以最相似单词替换OCR的错误输出 ,从而达到改正错误的目的 .利用编辑距离实现词汇相似性评估 ,并用动态规划技术优化了编辑距离的计算 .试验结果证明该方法可以使OCR系统的单词识别率提高 6 2 5 % .

发展性阅读障碍儿童英文词汇的识别模式

1问题的提出发展性阅读障碍(Developmental Dyslexia,也称发展性阅读困难)是指某些儿童具有正常的智力水平和接受教育的机会,没有明显的神经或器质上的损伤,却在标准阅读测验上的成绩显著低于正常读者,发展性阅读障碍的研究起源于英语国家,如今,几乎所有的语言和文字系统中都发现了发展性阅读障碍的存在。以拼音文字为母语的儿童中,阅读障碍的发生率为5%-10%。在表意文字中,如以日文和中文为母语的儿童,阅读障碍的发生率为4%-8%。目前。

OUP效应及其对儿童英文词汇识别的启示

文章阐述了词汇识别的加工模型——平行加工和系列加工的最新实验研究结果。随着心理语言学界对正字法研究的深入,OUP效应逐渐引起了研究者的重视,OUP效应是对系列加工模型最好的证明,对儿童英文词汇识别及识记方法提供了很多有益的思考。最后,提出了在OUP效应的研究中所存在的问题以及对儿童学习英文词汇的启示。

一种典型英文字符识别算法

设计了一种英文字符联机识别的典型方法,其基本原理为大量训练数据的统计判别。详细介绍了一级特征的抽取,一级特征库的建立等。该算法有相当的实用价值。

基于卷积神经网络和Transformer的手写体英文文本识别

手写体文本识别技术可以将手写文档转录成可编辑的数字文档。但由于手写的书写风格迥异、文档结构千变万化和字符分割识别精度不高等问题,基于神经网络的手写体英文文本识别仍面临着许多挑战。针对上述问题,提出基于卷积神经网络(CNN)和Transformer的手写体英文文本识别模型。首先利用CNN从输入图像中提取特征,而后将特征输入到Transformer编码器中得到特征序列每一帧的预测,最后经过链接时序分类(CTC)解码器获得最终的预测结果。在公开的IAM(Institut für Angewandte Mathematik)手写体英文单词数据集上进行了大量的实验结果表明,该模型获得了3.60%的字符错误率(CER)和12.70%的单词错误率(WER),验证了所提模型的可行性。

基于STN-CRNN的自然场景英文文本识别研究

针对复杂自然场景中文本识别精确度不高的问题,提出了采用STN的文本修正与改进CRNN的文本识别方法,并设计了Res_CRNN文本识别模型。通过采取性能更好的残差网络Resnet50提取更为复杂的序列信息,运用新设计的CTC损失函数进行训练。实验结果表明,将STN文本修正网络与Res_CRNN模型相结合,即可形成了一个端到端的文本修正与识别模式,在该模式下能有效地提高文本识别的精度与效率。

幂函数及统计预处理在英文字母识别中的应用

针对一般的简单人工神经网络,该文提出了一种新的神经网络模型--幂函数神经网络,利用梯度下降法推导出了神经网络模型权值和阈值的修正学习算法,并利用该模型解决了XOR问题.然后对26个英文大写字母的结构特征进行统计分析得到了一个粗分类规律.最后以26个英文大写字母辨识为仿真实例,经过统计预处理的粗分类后,有些类可以直接得到结果,情况较复杂的类也可以仿照XOR问题的解决来得到辨识结果.文章提出的人工神经网络模型和字母辨识的预处理方法,改进了字母辨识的传统方法,简化了传统辨识模型的复杂度,提高了辨识效率.

基于CRNN和EnCTC的英文手写体识别研究

手写体识别一直是OCR领域的一个热点与难点,随着深度学习快速发展,在OCR领域取得不错的成果。论文设计了一种基于卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)和最大熵CTC(EnCTC)损失函数进行离线手写体英文识别方法,通过空间转换网络(STN)对数据样本进行几何转换,通过CNN网络提取文字图像特征序列,利用多层BiLSTM网络来学习特征序列的上下文信息,最后使用EnCTC损失函数来进行转录解码,在整个结构上实现了端到端(end-to-end)的识别,不需要对单词进行分开识别,通过对比实验来证明论文算法的有效性。