23/09/13

10.101.583 membros (44433 online)

Rede Neural OCR - CodeProject

Entre

casa

Artigos

respostas rpidas

discusses

recursos

comunidade

ajudar

Search for articles, questions, tips

Artigos Idiomas C # Geral

Prximo

Artigo Procurar Cdigo Stats Revises Alternativas Comentrios & Debates (231)

Rede Neural OCR

Por Andrew Kirillov , 11 de agosto de 2005
4.89 ( 131 votos)

Sobre o artigo
Algumas idias sobre o reconhecimento ptico de caracteres usando redes neurais. Tipo Artigo GPL3 11 de agosto de 2005 567794 336 vezes C# O

Vencedor do prmio do Concurso "C # julho 2005" Download o programa demostrativo - 173 Kb Baixar fonte - 191 Kb

Licena Primeira publicao Visualizaes Favorito . NET1.0 Windows Architect

Dev , +

Introduo
Existem muitas abordagens diferentes ao problema de reconhecimento ptico de caracteres. Uma das abordagens mais comuns e populares so baseados em redes neurais, que podem ser aplicados para diferentes tarefas, tais como o reconhecimento de padres, a previso de sries de tempo, a funo de aproximao, aglomerao, etc Neste artigo, vou tentar rever algumas abordagens para reconhecimento ptico de caracteres usando redes neurais artificiais. O projeto em anexo destina-se como um projeto de pesquisa, por isso no tente encontrar aqui uma soluo pronta para o processamento de documentos digitalizados.

Abordagem popular
A abordagem mais popular e simples para o problema de OCR baseado no feed forward rede neural com aprendizado backpropagation. A idia principal que devemos primeiro preparar um conjunto de treinamento e treinar uma rede neural para reconhecer padres do conjunto de treinamento. Na etapa de formao que ensinam a rede para responder com uma sada desejada para uma entrada especificado. Para este efeito, cada uma das amostras de formao representada por dois componentes: possibilidade de entrada e de sada da rede para a entrada desejada. Aps a etapa de treinamento feito, podemos dar uma entrada arbitrria rede ea rede ir formar uma produo, a partir do qual podemos resolver um tipo de padro apresentado rede. Vamos supor que queremos formar uma rede para reconhecer 26 letras maisculas representados como imagens de pixels 5x6, algo como esta:

Uma das maneiras mais bvias para converter uma imagem para uma parte de entrada de uma amostra de treinamento criar um vetor de tamanho 30 (para o nosso caso), contendo "1" em todas as posies correspondentes letra do pixel e "0" em todos posies correspondentes aos pixels de fundo. Mas, em muitas tarefas de treinamento de redes neurais, prefervel para representar padres de treinamento no chamado modo "bipolar", colocando para vetor de entrada "0,5" em vez de "1" e "-0.5" em vez de "0". Esse tipo de codificao padro levar a uma melhoria maior desempenho no aprendizado. Finalmente, a nossa amostra de treinamento deve ser algo parecido com isto:

www.codeproject.com/Articles/11285/Neural-Network-OCR

1/6

23/09/13

maior desempenho no aprendizado. Finalmente, a nossa amostra de treinamento deve ser algo parecido com isto:
Fechar | Copiar Cdigo

Rede Neural OCR - CodeProject

f l u t u a d o r[ ]=i n p u t _ l e t t e r Kn o v o f l u t u a d o r[ ]{ 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 00 , 5f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 00 , 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 0 . 5 f ,0 . 5f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 00 , 5f } ;

Top Notcias
Os salrios para os desenvolvedores e designers de todo o mundo
Obter o Insider Notcias libertar todas as manhs.

Para cada entrada possvel, precisamos criar a sada de um rede desejada para completar as amostras de treinamento. Para a tarefa de OCR muito comum para codificar cada padro como um vetor de tamanho 26 (porque temos 26 letras diferentes), colocando no vector "0.5" para posies correspondentes ao nmero do modelo tipo e "-0.5" para todas as outras posies. Assim, um vetor de sada desejada para a letra "K" ser algo parecido com isto:
Fechar | Copiar Cdigo

//0 . 5c o l o c a d oa p e n a sn ap o s i od e" K "c a r t a f l u t u a d o r[ ]=o u t p u t _ l e t t e r Kn o v o f l u t u a d o r[ ]{ 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0. 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f } ;

Vdeos Relacionados

Depois de ter as amostras de treinamento para todas as letras, podemos comear a treinar a nossa rede. Mas, a ltima pergunta sobre a estrutura da rede. Para a tarefa acima, podemos usar uma nica camada de uma rede neural, que ter 30 entradas que correspondem ao tamanho do vetor de entrada 26 e os neurnios da camada correspondente ao tamanho do vetor de sada.
Fechar | Copiar Cdigo

//p a d r od et a m a n h o i n tp a t t e r n S i z e=3 0; //p a d r e sd ec o n t a r i n tp a d r e s=2 6; //a p r e n d i z a d ov e t o r e sd ee n t r a d a f l u t u a r[ ][ ]i n p u t=n e w f l u t u a d o r[2 6][ ] { . . . n o v o f l u t u a d o r[ ]{ 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 00 , 5f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 0, 5 F , 0 . 5 f ,0 . 5 f , 0 . 5 f , 0,0 , 5f 0 . 5 f , 0,0 , 5f 0 . 5 f , 0 . 5 f , 0,0 , 5f 0 . 5 f , 0 . 5 f , 00 , 5f, 0 . 5 f , 00 , 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 00 , 5f } ,//l e t r aK . . . } ; //a p r e n d i z a d ov e t o r e so u p u t f l u t u a r[ ][ ]o u t p u t=n e w f l u t u a d o r[2 6][ ] { . . . n o v o f l u t u a d o r[ ]{ 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0. 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 0 . 5 f } , //l e t r aK . . . } ; //c r i a rr e d en e u r a l A F o r g e . N e u r a l N e t . N e t w o r kn e u r a l N e t= n e wA F o r g e . N e u r a l N e t . N e t w o r k(n o v oB i p o l a r S i g m o i d F u n c t i o n(2. 0f ) , p a t t e r n S i z e ,p a d r e s ) ; //a l e a t r i op e s o sd ar e d e` s n e u r a l N e t . R a n d o m i z e( ) ; //c r i a rr e d ep r o f e s s o r p r o f e s s o rA F o r g e . N e u r a l N e t . L e a r n i n g . B a c k P r o p a g a t i o n L e a r n i n g=n e w A F o r g e . N e u r a l N e t . L e a r n i n g . B a c k P r o p a g a t i o n L e a r n i n g( n e u r a l N e t ) ; t e a c h e r . L e a r n i n g L i m i t=0. 1f ; t e a c h e r . L e a r n i n g R a t e=00 , 5f ; //e n s i n a rar e d e i n ti=0; n o { t e a c h e r . L e a r n E p o c h( e n t r a d a ,s a d a ) ; i++ ; } e n q u a n t o( t e a c h e r . I s C o n v e r g e d ! ) ; // S y s t e m . D i a g n o s t i c s . D e b u g . W r i t e L i n e("l e a r n i n gT o t a l"+ " p o c a :"+i ) ;

Artigos Relacionados
Criando aplicativos de reconhecimento ptico de caracteres (OCR) utilizando redes neurais Redes Neurais em C # Uma Introduo Encog Redes Neurais para C # Rede Neural Classificador Reconhecimento ptico de Caracteres Unicode A Rede Neural em GPU JavaScript Aprendizado de Mquina e Redes Neurais com Encog Projetar e implementar uma Biblioteca Rede Neural para Deteco de escrita, Anlise de Imagem, etc - A Biblioteca BrainNet - Cdigo completa, Teoria simplificada, Ilustrao completa, e os exemplos BrainNet 1 - Um Projeto Netwok Neural - Com ilustrao e Code - Saiba Rede Neural programao passo a passo e desenvolver um sistema de deteco de escrita simples C # aplicativo para criar e reconhecer gestos do rato (. NET) Uma Introduo Encog Redes Neurais para Java AI: Rede Neural para iniciantes (Parte 1 de 3) Mouse Gestures reconhecimento Backpropagation Rede Neural Artificial em C + + Rede Neural para o Reconhecimento de Dgitos manuscritas Sistema de reconhecimento de padres em grande uso de redes neurais multi-

No exemplo acima de um procedimento de treino da rede neural completa para a tarefa de reconhecimento de padro fornecida. Em cada perodo de aprendizagem a partir de todas as amostras do conjunto de treino so apresentadas rede e o erro quadrado sntese calculada. Quando o erro torna-se menos do que o limite de erro especificada, em seguida, a formao feita e a rede pode ser utilizada para reconhecimento. Como reconhecer alguma coisa? Precisamos de entrada para a rede treinada e obter sua sada. Em seguida, deve encontrar um elemento no vector de sada com o valor mximo. O nmero do elemento ir apontar-nos para o padro reconhecido:
Fechar | Copiar Cdigo

www.codeproject.com/Articles/11285/Neural-Network-OCR

//" K "l e t r a ,m a su mp o u c op r o p a l a d o

2/6

23/09/13

Rede Neural OCR - CodeProject

//" K "l e t r a ,m a su mp o u c op r o p a l a d o f l u t u a d o r[ ]p a t t e r n=n e w f l u t u a d o r[ ]{ 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 00 , 5f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f , 00 , 5f , 00 , 5f , 00 , 5f , 0 . 5 f , 0 . 5 f , 0 . 5 f , 00 , 5f , 0 . 5 f , 00 , 5f , 0 . 5 f ,0 . 5f , 00 , 5f , 0 . 5 f , 0 . 5 f , 00 , 5f , 0 . 5 f , 00 , 3f , 0 . 5 f , 0 . 5 f , 00 , 5f , 00 , 5f } ; //o b t e ru m as a d ad er e d e f l u t u a d o r[ ]o u t p u t=n e u r a l N e t . C o m p u t e( p a d r o ) ; i n ti ,n ,m a x i n d e x=0; //e n c o n t r a rom x i m od ep r o d u o f l u t u a n t em a x=o u t p u t[0] , p a r a( i=1,n=o u t p u t . L e n g t h ;i< n ,i++ ) { s e( s a d a[ i ] >m a x ) { m a x=o u t p u t 1[ i ] ; m a x i n d e x=i ; } } // S y s t e m . D i a g n o s t i c s . D e b u g . W r i t e L i n e( "r e d ep e n s aq u e-"+(d ec h a r)( (i n t)'A'+m a x i n d e x ) ) ; Neural Cryptography AI: Rede Neural para iniciantes (parte 2 de 3) Como: Usar o Office 2007 OCR Usando C # Predictor financeiro via Rede Neural

Outra abordagem
A abordagem descrita acima funciona bem. Mas h algumas questes. Suponha que ns treinamos nossa rede usando o treinamento acima definido com letras de tamanho 5x6. Mas, o que devemos fazer, se precisamos reconhecer uma carta, que representado por uma imagem de 8x8? A resposta bvia a de redimensionar a imagem. Mas, o que acontece com a imagem, que contm uma carta, que impresso com 72 tamanho da fonte? Eu no acho que ns vamos conseguir um bom resultado depois de redimensionar a imagem 5x6. OK, vamos treinar a nossa rede usando imagens de 8x8, 16x16 ou mesmo para obter alta preciso. Mas, as imagens 16x16 conduzir a um vector de entrada de tamanho 256, que ir ser mais demorado desempenho para treinar a rede neural. Outra idia baseada no uso dos receptores chamados. Suponha que temos uma imagem com uma carta de tamanho arbitrrio. Nesta abordagem que vai formar um vector de entrada, no utilizando os valores de pixel da imagem, mas usando os valores de receptores. O que so estes receptores? Os receptores so representados por um conjunto de linhas, com um tamanho e orientao arbitrria. Qualquer receptor ter um valor ativado ("0.5" no vetor de entrada) se cruza uma carta e valor desativada ("-0.5" no vetor de entrada) se ela no cruzar uma carta. O tamanho de um vector de entrada ser a mesma como a contagem de receptores. A propsito, pode-se utilizar um conjunto de receptores de horizontais e verticais curtas para alcanar o mesmo efeito que no caso de se utilizar os valores dos pixels para as imagens de tamanho pequeno.

A vantagem deste mtodo que se podem formar grandes redes neurais em imagens, mesmo com uma pequena quantidade de receptores. Redimensionar uma imagem com a letra para 75x75 (ou mesmo 150x150) pixels no levar a uma qualidade de imagem ruim, por isso vai ser muito mais fceis de reconhecer. Mas, por outro lado, pode-se sempre facilmente redimensionar nosso conjunto de receptores, porque eles so definidos como linhas com duas coordenadas. E outra grande vantagem que podemos tentar gerar um nmero bastante pequeno conjunto de receptores, que ser capaz de reconhecer todo o conjunto de treinamento usando os recursos da carta apenas mais significativo. Porm, existem algumas desvantagens. A abordagem descrita pode ser aplicada apenas a tarefa de OCR. No possvel reconhecer padres complexos, porque, neste caso, vamos precisar de muitos receptores. Mas, como estamos fazendo pesquisa na rea de tarefas OCR, ele no vai nos incomodar muito. H uma outra questo, que muito mais difcil e que requer mais investigao. Como para gerar o conjunto de receptores? Manualmente ou aleatoriamente? Como ter certeza de que o conjunto o ideal? Podemos usar a seguinte abordagem para os receptores definidos gerao: em primeiro lugar, vamos aleatoriamente gerar um grande conjunto de receptores, e depois vamos escolher uma determinada quantidade de melhores receptores. Como resolver se o receptor especificado bom ou no? Vamos tentar usar a entropia, que bem conhecido por ns a partir da teoria da informao. Deixe-me explicar com um pequeno exemplo:

Aqui est uma tabela, que contm alguns dados de treinamento. Aqui podemos ver cinco tipos de objetos, que so representados por linhas e trs receptores, que so representados por colunas. Cada objeto tem cinco variantes diferentes. Vamos descrever, por exemplo, o primeiro valor da tabela: "11101". Isso significa, que o primeiro receptor est a atravessar a primeira variante do primeiro objecto, tambm atravessa o segundo, terceiro e quinto variantes, mas que no atravessa a quarta variante. Ser que limpar? OK, vamos olhar para a quinta linha, primeira coluna: um receptor atravessa os primeiro, terceiro e quinto variantes, e no cruzar a segunda ea quarta variantes.

www.codeproject.com/Articles/11285/Neural-Network-OCR

3/6

23/09/13

receptor atravessa os primeiro, terceiro e quinto variantes, e no cruzar a segunda ea quarta variantes. Usaremos dois conceitos: a entropia interna e entropia exterior. Entropia interna uma entropia de um receptor especificado para um objeto especificado. A entropia interna vai nos dizer o quo bom o receptor especfico para reconhecer o objeto especificado, eo valor deve ser to pequena quanto possvel. Vamos olhar para a segunda linha e primeira coluna onde h "11111". A entropia do conjunto ser 0. bom, porque este receptor ser 100% de certeza, que estamos trabalhando com o segundo objeto, porque o receptor tem o mesmo valor para todas as variantes do objeto especificado. A mesma coisa acontece com a segunda linha ea segunda coluna: "00000". Sua entropia 0 tambm. Mas, vamos olhar para a quinta linha e primeira coluna: "10101". A entropia do conjunto de 0,971 e ruim, porque o receptor no tem certeza sobre o objeto especificado. A entropia exterior calculado para a totalidade da coluna, o que mais prximo do valor de "1", o que melhor. Por qu? Se a entropia exterior pequena, ento o receptor intil, uma vez que no possvel dividir os padres. O melhor receptor dever ser activada para metade de todos os objetos e desativado para a outra metade. Ento, aqui est a frmula final para o clculo do receptores de usabilidade: u s a b i l i d a d e=O u t e r E n t r o p y*(1-A v e r a g e I n n e r E n t r o p y ) . A entropia mdia interior apenas uma soma de entropias internas do receptor para todos os objectos a dividir pela quantidade de objectos. Assim, usando a idia, inicialmente devemos gerar aleatoriamente um grande conjunto de receptores, por exemplo, 500. Ento devemos gerar entradas de treinamento temporrios usando esses receptores. Com base nos dados, podemos filtrar uma quantidade pr-definida de receptores, por exemplo, podemos evitar 100 receptores com a melhor facilidade de utilizao. O processo de filtragem vai reduzir a quantidade de dados de formao e de contagem de entrada de rede neural. Ento, com os dados de treinamento filtrados, que pode continuar com a formao da rede da mesma maneira como descrito no mtodo acima.

Rede Neural OCR - CodeProject

Aplicao de teste
A aplicao do teste fornecido com o artigo, o qual tenta aplicar a segunda abordagem. Como us-lo? Vamos tentar o primeiro teste: Precisamos gerar conjunto de receptores inicial. Na inicializao do aplicativo j est gerado, ento podemos pular essa etapa, se no est planejando alterar a quantidade inicial de receptores ou a quantidade filtrada. Escolha fontes, que sero utilizados para a rede de ensino. Deixe que seja o tipo de letra Arial normal pela primeira vez. Gerar dados. Nesta etapa ser gerou os dados de formao inicial. Filtrar dados. Nesta etapa, os receptores iniciais definido, bem como os dados de treino so filtradas. Criar rede - uma rede neural ser criado. Rede ferroviria - formao de redes neurais. Vamos olhar para o valor erroneamente classificados. Deve ser "0/26", o que significa que a rede treinada com xito pode reconhecer todos os padres do conjunto de treino. Podemos garantir isso usando os botes de "reconhecer" "Empate" e. Aps a realizao de todas essas etapas, descobrimos que o conceito est funcionando! Voc pode tentar um teste mais complexo, a escolha de todas as fontes regulares. Mas, no se esquea de ativar a opo "Scale" antes de gerao de dados. A opo ir escalar todas as imagens do conjunto de treinamento. Depois, voc pode definir o limite de erro da segunda passagem para "0.5" para o treinamento mais rpido ou deixe-o "0,1" se voc no est com pressa. No final do treinamento, voc deve obter um valor erroneamente classificada de "0/130". Voc pode verificar que todas as imagens do conjunto de treinamento pode ser reconhecido. Voc pode at tentar ensinar uma rede de todas as fontes: regular e itlico. Voc deve utilizar a opo "Scale" para ele e voc ter que jogar um pouco com a velocidade de aprendizado e os valores-limite de erro. Voc tambm pode tentar usar a rede de duas camadas. Eu era capaz de obter um valor erroneamente classificada de "4/260" com apenas 100 receptores.

Concluso
A partir dos testes acima, parece que a segunda abordagem capaz de realizar a tarefa de OCR. Mas, todas as nossas experincias foram feitas usando o conjunto de treinamento ideal. O aplicativo tambm permite reconhecer letras desenhadas mo, mas devemos sempre utilizar a opo "Scale", neste caso, ainda que o resultado no muito marcante. Pesquisa futura possvel pode ser feito no sentido de melhores receptores definidos gerao e filtragem e dimensionamento de imagem. Mas, ainda assim, ele funciona! E com algumas pesquisas e melhorias adicionais que podem tentar us-lo para algumas tarefas reais.

Licena
Este artigo, juntamente com qualquer cdigo-fonte associado e arquivos, est licenciado sob a GNU General Public License (GPLv3)

Sobre o autor

www.codeproject.com/Articles/11285/Neural-Network-OCR

4/6

23/09/13

Rede Neural OCR - CodeProject

Andrew Kirillov
Software Developer (Senior) Reino Unido Iniciado o desenvolvimento de software em cerca de 15 anos e parece que agora ela dura mais parte da minha vida. Felizmente no gastar muito tempo com Z80 e BK0010 e mudou para 8086 e alm. Semelhante com linguagens de programao - felizmente conseguiu fugir do BASIC e Pascal a coisas como Assembler, C, C + + e, em seguida, C #. Alm da programao diria de alimentos, faz-lo tambm para o passatempo, onde principalmente desfrutar de reas como a Viso Computacional, Robtica e AI. Isso levou a algumas coisas de cdigo aberto como AForge.NET . Saindo de computadores que eu sou apenas um homem amando sua famlia, desfrutando de viajar, um pouco de livros, um pouco de cinema e uma mistura de tudo o resto. Sempre quis aprender a tocar guitarra, mas parece que 6 cordas so muito mais difceis do que algumas dezenas de teclas do teclado. Vai continuar progredindo ...

Artigo Top

Like

Tw eet

Registe-se para votar Pobre

Excelente

Votar

Comentrios e Discusses
Dica: Para melhorar a capacidade de resposta garantir o Javascript est habilitado e escolha a opo 'Normal' do layout suspensa e clique em 'Update'. Voc precisa Entrar para usar este frum. Procure neste frum Perfil popups Espaamento Descontrado Rudo Muito Alta Traado Normal Por pgina 50 Atualizar Primeira Anterior Prxima Ir

execuo do cdigo. [Alterado] Tempo necessrio para NN aprendizagem mas se precisamos reconhecer nmeros arbicos Meu voto de 4 Por favor, ajude! Usando essa abordagem para treinar e regconize personagens extrados de imagens da cena possvel? A entropia do conjunto de 0,971 Reconhecimento de caracteres no-alfabeto Grande biblioteca e exemplo. Precisar de ajuda Re: Precisa de Ajuda Ele no funciona - help! Re: No funciona - help! Meu Voto de 1. Como converter ramge de entrada 0-100 para -0.5-0.5 Re: Como converter ramge entrada 0-100 para -0.5-0.5 Re: Como converter ramge entrada 0-100 para -0.5-0.5 Como a entrada de uma imagem em rede neural? Os mtodos de reconhecimento ... Reconhecer dgitos em vez de letras?

Membro 8997453 VHGN sami belkhiri sami belkhiri hovu hovu

24-Oct-12 09:10 4-Jul-12 03:37 25-Mar-12 06:46 25-Mar-12 06:36 20-Jan-12 04:38 17-Jan-12 01:21

Membro 3913283 amrremah StevenCTong Membro 7836829 ssssssqqweqe2423424 mihafurlan mihafurlan Keith Barrow sureshhewapathirana Andrew Kirillov sureshhewapathirana Nirupam @ code erycahbadu Mike Schneider

1-Dec-11 22:27 23-Jun-11 09:58 20-May-11 06:05 17-Apr-11 22:11 2-Jul-11 00:23 13-Apr-11 04:51 13-Apr-11 06:33 22-Dez-10 07:57 3-Nov-10 02:04 3-Nov-10 02:12 3-Nov-10 03:50 15-Set-10 07:41 24-Aug-10 23:32 30-Jun-10 07:20

www.codeproject.com/Articles/11285/Neural-Network-OCR

5/6

23/09/13
Meu voto de 5 OCR pergunta Re: OCR pergunta Bom artigo, em bom tema Ajude-me Plzz Re: Ajude-me Plzz Re: Ajude-me Plzz me ajudar Nmero de iteraes [alterado] Como recgnize caracteres invlidos Re: Como recgnize caracteres invlidos ANPR Qualidade reconhecimento [alterado] questo [alterado]

Rede Neural OCR - CodeProject

Richard Hudson SergBokh Andrew Kirillov thatraja Jehwin Andrew Kirillov sujan.vb.net lechat2326 Erichs Mauro Leggieri Andrew Kirillov COBRASoft Nick Nilga hina87 Andrew Kirillov Andrew Kirillov Membro 4530771 Andrew Kirillov Acrosser O CPP Andrew Kirillov O CPP Membro 4530771 Manuel64 Andrew Kirillov bolfak 28-Jun-10 00:55 4-Fev-10 10:54 9-Fev-10 10:24 15-Jan-10 23:14 12-Dez-09 04:11 12-Dez-09 05:12 29-Jan-10 20:33 28-Sep-09 07:27 7-Set-09 00:34 28-Jul-09 00:37 28-Jul-09 22:10 25-Jun-09 04:08 16-Apr-09 02:37 2-Apr-09 20:31 17-Mar-09 20:49 17-Mar-09 20:54 16-Mar-09 02:35 16-Mar-09 02:47 23-Feb-09 12:06 5-Dec-08 11:08 5-Dec-08 21:26 11-Dez-08 00:18 27-Oct-08 00:23 25-Sep-08 23:22 26-Sep-08 20:22 4-Aug-08 05:38

Re: algoritmo de segmentao de letras individuais separadas. Re: Necessidade de ajuda para salvar Rede posso fazer isso para salvar a rede treinada? Re: eu posso fazer isso para salvar a rede treinada? Finalmente, um artigo ANN eu posso entender! Grande trabalho Re: Grande trabalho Re: Grande trabalho oi Pgina regies reconhecimento em aplicativos OCR Re: Pgina regies reconhecimento em aplicativos OCR Por favor, voc pode adicionar Algoritmo Gentico para o programa Re: Por favor, voc pode adicionar Algoritmo Gentico para o programa Re: Por favor, voc pode adicionar Algoritmo Gentico para o programa livro recomendado Rede Neural OCR para o reconhecimento Forex Padro (FPR)?
ltima Visita: 31-Dez-99 18:00 ltima Atualizao: 23-Sep-13 04:08

Andrew Kirillov

4-Aug-08 20:45

bolfak

12-Aug-08 20:58

dodiigor Zlatko Anastasov

15-Jul-08 02:05 25-Jun-08 04:31

Refrescar

1 2 3 4 5 Prximo

Geral

Notcias

Sugesto

Pergunta

Bug

Resposta

Joke

Rant

Administrador
Artigo Copyright 2005 por Andrew Kirillov Tudo o resto Copyright CodeProject , 1999-2013 Termos de Uso

Permalink | Publicidade | Privacidade | Celular Web02 | 2.6.1309018 | ltima Atualizao 11 de agosto de 2005

Layout: fixo | fluido

www.codeproject.com/Articles/11285/Neural-Network-OCR

6/6