Sökning: "teckenigenkänning i bilder"

Visar resultat 1 - 5 av 6 uppsatser innehållade orden teckenigenkänning i bilder.

1. 1. En komparativ studie av OCR-verktyg för granskning av handlingar : Med prestanda och precision i fokus

   Kandidat-uppsats, Karlstads universitet/Handelshögskolan (from 2013)

   Författare :Niklas Sjöstedt; [2023]
   Nyckelord :Optisk teckenigenkänning; Artificiell Intelligens; Python; Komparativ; Automatisering; Dokumentgranskning; Dataset; Bildbehandling; Testning;

   Sammanfattning : Dagens samhälle präglas av en exponentiell tillväxt av data, med förväntningar på en ökning från dagens 33 Zettabytes till 175 Zettabytes år 2025. Denna utveckling medför både fördelar och utmaningar för de individer och organisationer som arbetar med analys av denna massiva datamängd. LÄS MER

3. 2. Automated Image Pre-Processing for Optimized Text Extraction Using Reinforcement Learning and Genetic Algorithms

   Kandidat-uppsats,

   Författare :Rahmat Rohoullah; Månsson Joakim; [2023]
   Nyckelord :BRISK; YOLO; Reinforcement learning; Evolutionary algorithm; OCR; Image pre-processing; Computer vision; BRISK; YOLO; Förstärkningslärning; Evolutionär algorithm; OCR; Bildförbehandling; Datorseende;

   Sammanfattning : This project aims to develop an automated image pre-processing chain to extract valuable information from appliance labels before recycling. The primary goal is to improve optical character recognition accuracy by addressing noise issues using reinforcement learning and an evolutionary algorithm. LÄS MER

4. 3. Post-processing of optical character recognition for Swedish addresses

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Moa Andersson; [2022]
   Nyckelord :OCR; OCR post-processing; OCR post-correction; NMT; Lexical model; OCR; efterbehandling för OCR; post-korrigering för OCR; NMT; lexikal modell;

   Sammanfattning : ​​Optical character recognition (Optical Character Recognition (OCR)) has many applications, such as digitizing historical documents, automating processes, and helping visually impaired people read. However, extracting text from images into a digital format is not an easy problem to solve, and the outputs from the OCR frameworks often include errors. LÄS MER

5. 4. Training a Neural Network using Synthetically Generated Data

   Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Fredrik Diffner; Hovig Manjikian; [2020]
   Nyckelord :Synthetic data set; Generating synthetic data set; Machine learning; Deep Learning; Convolutional Neural Networks; Machine learning model; Character recognition in natural images; Char74k; ICDAR2003.; Syntetiskt dataset; Generera syntetiskt data; Maskininlärning; Maskininlärningsmodell; Djuplärning; Konvolutionära neurala nätverk; teckenigenkänning i bilder; Char74k; ICDAR2003;

   Sammanfattning : A major challenge in training machine learning models is the gathering and labeling of a sufficiently large training data set. A common solution is the use of synthetically generated data set to expand or replace a real data set. LÄS MER

7. 5. Character Recognition in Natural Images Utilising TensorFlow

   Kandidat-uppsats, KTH/Skolan för datavetenskap och kommunikation (CSC)

   Författare :Alexander Viklund; Emma Nimstad; [2017]
   Nyckelord :character recognition; natural images; TensorFlow; data augmentation; neural networks; Chars74K; convolutional; teckenigenkänning; naturliga bilder; TensorFlow; dataaugmentering; neurala nätverk; neuronnät; Chars74K;

   Sammanfattning : Convolutional Neural Networks (CNNs) are commonly used for character recognition. They achieve the lowest error rates for popular datasets such as SVHN and MNIST. Usage of CNN is lacking in research about character classification in natural images regarding the whole English alphabet. LÄS MER