主页 > 技术 > 字符识别

字符识别
［识别］

参考资料：将2进制特征成分作为神经网络输入层的字符识别实验

利用弊社的程序库运行了将2进制特征成分作为神经网络输入层的字符识别实验。

1. 将输入图像2进制化
2. 学习MS Gothic 数字0~9
　　■特征：将文字分割为3×4 一框内的黑像素的个数
　　■学习系数：1.0
　　■学习次数：5000次
3. 识别特定框内的文字
　　1. MS Gothic
　　2. MS 明朝
4. 结果:读取正确率
　　1. MS Gothic:60%
　　2. MS 明朝:40%

从结果来看，在已登录字体中，一定程度上可进行识别但不可避免得比在不同字体的情况下读取率低。

参考资料：将PatMax(R)特征成分作为神经网络输入层的字符识别实验

利用弊社以及Cognex社的程序库进行了将PatMax(R)特征成分作为神经网络输入层的字符识别实验。

1. 从输入图像中将“0”作为模板登录
2. 学习MS Gothic的数字0~9
　　■特征：将文字分割为3×4的框内的PatMax特征点的个数
　　■学习系数：1.0
　　■学习次数：5000回
3. 识别特定框内的文字
　　1. MS Gothic
　　2. MS 明朝
4. 结果：读取正确率
　　1. MS Gothic：100%
　　2. MS 明朝：100%

从结果来看，这次与输入2进值图像的情况不同，不论是已登录的字体还是不同字体都得到100%的读取结果。这是因为考虑到PatMax(R)的特征与单纯的2进制化不同，将形状作为特征成分的缘故。