مقاله تقاطع خطوط: کاربرد بهینه متن در شناسایی متن دست خطی براساس خطCrossing the lines: making optimal use of context in line-based Handwritten Text Recognition

در انبار موجود نمی باشد

مقاله تقاطع خطوط: کاربرد بهینه متن در شناسایی متن دست خطی براساس خطCrossing the lines: making optimal use of context in line-based Handwritten Text Recognition

25,000 تومان

ژورنال

International Journal on Document Analysis and Recognition

سال انتشار

2015

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

نقد و بررسی

مقاله تقاطع خطوط: کاربرد بهینه متن در شناسایی متن دست خطی براساس خط

چکیده فارسی :

شناسایی متن دست خطی (HRT) اغلب خط به خط اجرا می‌شود: کدگشایی خطوط متنی بطور مستقل اجرا می‌شود. این روش جهت از بین بردن دقت تشحیص کلمات و مشخصه‌های نزدیک به مرزهای خطی، شناخته می‌شود. تحقیق کنونی این موضوع را از نقطه نظر مولفه مدلسازی زبان سیستم HTR بررسی می‌کند. بطور آشکارا، کمبود متن زبانشناسی، یکی از دلایل فقدان دقت است، اما یقینا، تنها عامل ایفا کننده نمی‌باشد. ما در جستجوی آشکارسازی این موضوع هستیم که کدام دامنه از این مسئله تحت تاثیر مولفه مدلسازی زبان سیستم است. در ابتدا بحث نمودیم که چگونه مدلهای زبان تطبیقی را توسعه دهیم که بطور معناداری باعث بهبود کلی اجرای HTR می‌شوند. سپس بر آرایش روش‌ها متمرکز شدیم تا دقت را در مرزهای خطی بهبود بخشیم. نتیجه نهایی، روشی کارآمد است که بطور معنادار باعث بهبود دقت HTR می‌شود بدون اینکه تغییری در تنظیم سیستم HTR اصلی ایجاد کند.

کلمات کلیدی: تطبیق دامنه ، مدل N- گرم مرتبه بالاتر ، شناسایی دست خط

چکیده انگلیسی:

Hand-written text recognition (HTR) is often carried out line-by-Iine: the decoding of text lines is carried out independently. This approach is known to deteriorate recognition accuracy of words and characters close to the line boundaries. The present study investigates this issue from the point of view of the language modeling component of the HTR system. Obviously, lack of linguistic context may be one of the reasons for loss of accuracy, but it certainly is not the only factor in play. We seek to clarify to which extent the problem can be influenced by the language modeling component of the system. We first discuss how to develop adapted language models which significantly improve HTR performance in general. We then focus on the deployment of methods to improve accuracy at line boundaries. The final result is an efficient approach which significantly improves HTR accuracy without changing the basic HTR system setup.
Keywords-Domain adaptation ; Higher order N-gram model ; Hand-written text recognition.

ژورنال

International Journal on Document Analysis and Recognition

سال انتشار

2015

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش

محصولات مرتبط