Изменения

{{В разработке}} '''Распознавание текста на изображениях''' ( оптическое распознавание символом символов (англ. optical character recognition, OCR<ref>https://en.wikipedia.org/wiki/Optical_character_recognition</ref>)) {{--- }} одно из направлений распознавания образов, задача которого заключается в переводе изображений рукописного, машинописного машинного или печатного текста в текстовые данные, использующиеся для представления символов в компьютере (например, в текстовом редакторе).

Распознавание текста на изображениях является важной задачей машинного обучения, так как это позволяет организовать удобное взаимодействие с данными — : редактирование, анализ, поиск слов или фраз и т.д..

В последние десятилетия, благодаря использованию современных достижений компьютерных технологий, были развиты новые методы обработки изображений и распознавания образов, благодаря чему стало возможным создание таких промышленных систем распознавания печатного текста, как , например, FineReader<ref>https://www.abbyy.com/ru/finereader/</ref>, которые удовлетворяют основным требованиям систем автоматизации документооборота.  Тем не менее, создание каждого нового приложения в данной области по-прежнему остается творческой задачей и требует дополнительных исследований в связи со специфическими требованиями по разрешению, быстродействию, надежности распознавания и объему памяти, которыми характеризуется каждая конкретная задача.

Разработка OCR-систем берет начало из технологий, связанных с телеграфией и созданием считывающих устройств для слепых. В 1914 году Эммануэль Гольдберг разработал устройство, которое считывало символы и преобразовывало их в стандартный телеграфный код. Одновременно Эдмунд Фурнье д'Альбе разработал "Оптофон", ручной сканер, который при перемещении по напечатанной странице вырабатывал тональные сигналы, соответствующие определенным буквам или символам. В конце 1920-х и начале 1930-х годов Эмануэль Гольдберг разработал то, что он назвал "Статистической машиной" для поиска микрофильмов в архивах с помощью оптической системы кодового распознавания. В 1931 году он получил патент на машину, который позже был приобретен компанией IBM. В 1974 году Рэй Курцвейл создал компанию «Kurzweil Computer Products, Inc», и начал работать над развитием первой системы оптического распознавания символов, способной распознать распознавать текст, напечатанный любым шрифтом. Курцвейл считал, что лучшее применение этой технологии — {{---}} создание машины чтения для слепых, которая позволила бы слепым людям иметь компьютер, умеющий читать текст вслух. Данное устройство требовало изобретения сразу двух технологий — {{---}} ПЗС (прибор с зарядовой связью<ref>https://ru.wikipedia.org/wiki/ПЗС </ref>) планшетного сканера и синтезатора, преобразующего текст в речь. Конечный продукт был представлен 13 января 1976 во время пресс-конференции, возглавляемой Курцвейлом и руководителями национальной федерации слепых.

В 1978 году компания «Kurzweil Computer Products» начала продажи коммерческой версии компьютерной программы оптического распознавания символовПервой коммерчески успешной программой, распознающей кириллицу, стала программа «AutoR» российской компании «ОКРУС». Компания «LexisNexis» была одним из первых покупателей Алгоритм «AutoR» был компактный, быстрый и приобрела программу для загрузки юридических бумаг шрифтонезависимый. Этот алгоритм разработали и новостных документов испытали ещё в онлайн базы данныхконце 60-х два молодых биофизика, выпускники МФТИ {{---}} Г. Два года спустя Курцвейл продал свою компанию корпорации «Xerox»М. Зенкин и А. П. Петров. В настоящее время алгоритм Зенкина-Петрова применяется в нескольких прикладных системах, которая была заинтересована в дальнейшей коммерциализации систем решающих задачу распознавания текста. «Kurzweil Computer Products» стала дочерней компанией «Xerox», известной как «Scansoft»графических символов.

Первой коммерчески успешной программой, распознающей кириллицу, была программа «AutoR» В 1993 году вышла технология распознавания текстов российской компании «ОКРУС»ABBYY. Программа начала распространяться в 1992 году, работала под управлением операционной системы DOS и обеспечивала приемлемое по скорости На её основе создан ряд корпоративных решений и качеству распознавание даже на персональных компьютерах IBM PC/XT с процессором Intel 8088 при тактовой частоте 4,77 МГцпрограмм для массовых пользователей. В начале 90Технологии распознавания текстов ABBYY OCR лицензируют международные ИТ-х компания Hewlett-Packard поставляла свои сканеры на российский рынок в комплекте с программой «AutoR». Алгоритм «AutoR» был компактныйкомпании, быстрый и в полной мере «интеллектуальный»такие как Fujitsu, то есть по-настоящему шрифтонезависимый. Этот алгоритм разработали и испытали ещё в конце 60-х два молодых биофизикаPanasonic, выпускники МФТИ — Г. М. Зенкин и А. П. Петров. Свой метод распознавания они опубликовали в журнале «Биофизика» в номере 12Xerox, вып. 3 за 1967 год. В настоящее время алгоритм Зенкина-Петрова применяется в нескольких прикладных системахSamsung, решающих задачу распознавания графических символов. На основе алгоритма компанией Paragon Software Group в 1996 была создана технология PenReader. Г.М Зенкин продолжил работу над технологией PenReader в компании Paragon Software Group[1]. Технология используется в одноимённом продукте компании[2]EMC и другие.

В 1993 году вышла технология распознавания текстов российской компании ABBYY. На её основе создан ряд корпоративных решений 2000-х годах производительность и программ для массовых пользователей. В частности, программа для распознавания текстов ABBYY FineReader, приложения для распознавания текстовой информации компактность OCR-системы позволила представить на рынок онлайн-сервисы по переводу текста с мобильных устройств, система потокового ввода документов и данных ABBYY FlexiCaptureодного языка на другой. Технологии распознавания текстов ABBYY OCR лицензируют международные ИТ-компании, Со временем такие программы получили возможность обрабатывать изображения как Fujitsu, Panasonic, Xerox, Samsung[3]печатного, EMC так и другиерукописного текста.

 В 2000-х годах OCR-системы стали доступны в режиме онлайн в том числе С развитием технологий производства мобильных устройств и в упрощения процесса разработки мобильных приложенияприложений, например, перевод знаков на иностранный язык на смартфоне в режиме реального времени. Сейчас на смартфонах доступны приложения, которые позволяют извлекать текст с помощью камеры устройства.  Различные коммерческие и открытые OCR-системы доступны для большинства распространенных алфавитовстали неотъемлемой частью разнообразных программ: от развлекательных до обучающих, включая латинский, кириллический, арабский, иврит, индийский, деванагарский, тамильский, китайские, японские и корейские иероглифыот мобильных помощников до систем управления.

* считывание Считывание данных с бланков и анкет.* автоматическое Автоматическое распознавание номерного знака.* распознавание Распознавание паспортных данных.* извлечение Извлечение информации из визитных карточек в список контактов.* более быстрое создание текстовых Создание цифровых версий печатных и рукописных документов, например, сканирование книг для проекта "Гутенберг"<ref>https://ru.wikipedia.org/wiki/Проект_«Гутенберг»</ref>.* вспомогательная технология Технология для слепых помощи слепым и слабовидящих пользователей* оцифровывание документов с целью получить возможность удобной работы с текстом - редактирование, поиск слов или строк или анализслабовидящим.

== Типовые проблемы, связанные с системами Наиболее распространенные задачи OCR ==

* Разнообразие форм начертания символовДокумент : документ может содержать несколько шрифтом шрифтов сразу, что усложняет задачу распознавания текста. Некоторые а символы похожи могут быть схожи по начертанию (например, “G” и “6”, “S” и “5”, “U” и “V” и тд.) и в нестандартных шрифтах отличить их еще затруднительней * Искажение изображения, содержащего текст:** Шумы при печати.** Изображение плохого качества Плохое качество изображения (засветзасвеченность, размытость).* вариации Вариации размеров , масштаба и масштаба положения символовна странице.Существенным является и влияние * Влияние исходного масштаба печати, поэтому : система оптического распознавания текста должна быть нечувствительной (устойчивой) по отношению к способу верстки, расстоянию между строками и другим параметрам печати. 

[[Файл:Процесс_распознавания_текста.jpg|thumb|400px380px|Процесс распознавания текста]]

Система распознавания текста предполагает наличие на входе изображения с текстом (в формате данных графического файла). На выходе система должна выдать текст, выделенный из входных данных. Весь процесс распознавания текста состоит из нескольких задач.

Перед началом распознавания текста изображение должно быть очищено от шума и приведено к виду, позволяющему эффективно выделять символы и распознавать их. Обычно у изображения повышают резкость, контрастность, выравнивают его и преобразовывают в в используемый системой формат (например, 8-битное изображение в градациях серого).  === Сегментация === Сегментация подразумевает собой разбиение изображения документа на отдельные области. Сначала система выделяет блоки текста. Это особенно важно при обработке документов с несколькими столбцами или таблиц. [[Файл:БлокСтрокаСлово.png|thumb|250px|Блок, строка, слово]] Далее в каждом блоке выделяются базовые линии, которые позволяют разделить блок на строки, а в дальнейшем на символы. Это позволяет системе обрабатывать каждый символ по отдельности. Сначала производится предварительное разбиение изображения текста на отдельные изображения Распознавание символов и после этого определяется зависимость между разными изображениями с оценкой расстояния между ними. На этапе распознавания результаты разбиения могут уточняться с целью дополнительного разбиения или объединения нескольких полученных изображений. Уточнения могут строиться на основе контекста: если часть символов хорошо распознаны, они могут указать на нераспознанный, либо факт уточнения может основываться на плохом распознании получившегося изображения символа.  === Распознавание символы ===''' ДОБАВИТЬ ОБЩИЕ СЛОВА '''Для распознавания символа существуют 2 основных алгоритма. <br> ==== Распознавание при помощи метрик ====<br>

Метрика по сути является признаком символа, поэтому иногда в контексте данного способа говорят о процессе выявления признаков.

Если признаки двух символов максимально похожи, то разность между их метриками (то есть расстояние между ними) стремится к нулю. Дальнейшая классификация символа происходит по [[Метрический классификатор и метод ближайших соседей|методу ближайшего соседа]] .

Однако , одной метрики недостаточно для распознавания символа, так как некоторые символы очень похожи между собой , (например, “j” и “i”, “Z” и “2”) и это что может привести к ошибке. Чтобы избежать Для избежания этого, есть несколько способовиспользуют следующие техники:* группировка <br><br>1) Группировка символов<br>Например, некоторые $\;$Некоторые символы (“O”, “H”, “I”) обладают суперсимметрией , (полностью совпадают со своими отражениями и , значимые пиксели распределены равномерно по всему изображению) и их можно выделить в отдельный класс. Это значительно сокращает перебор метрик в несколько раз.* контекстное <br><br>2) Контекстное распознавание<br>$\;$В качестве помощи алгоритмам распознавания в систему включают словари. Словари Они предоставляют справки во многих случаях, но быстро отказывают, когда, например, имеют дело с именами собственными, которые не находятся в словаре.

==== Распознавание с применением нейронных сетей ====

Часть элементов структуры выделены как входные: на них поступают сигналы извне, таким образом, они описывают значения пикселя изображения. То есть, если имеется изображение 16х16, входов у сети должно быть 256. Другая часть – выходные: , они формируют результирующие сигналы.  Сигнал, который проходит через нейронную сеть, преобразуется согласно формулам на элементах сети, и на выходе формируется ответ. Так как все нейроны поименованы значениями букв, следовательно, среагировавший нейрон и несет ответ распознавания.

Нейронная Сигнал, проходящий через нейронную сеть может служить в системе распознавания текста в качестве классификатора. Этот классификатор сначала обучают, настраивая коэффициенты преобразуется согласно формулам на элементах сети, на выходе формируется ответ. При обучении сеть получает на вход изображения, анализирует Так как все позиции черных пикселей и выравнивает коэффициентынейроны поименованы значениями букв, минимизируя ошибку. Таким образомследовательно, достигается лучший результат среагировавший нейрон и несет ответ распознавания.

====Пример нейронной сети====[[Файл:Пример нейронной сети для распознавания символов.jpg |thumb|800px| Пример нейронной сети для распознавания символов]]

На картинке в качестве примера схематически показана двухслойная нейронная сеть, которая включает включающая в себя 35 входов (каждый символ {{- --}} матрица 7x5, соответственно, вектор, описывающий матрицу, состоит из 35 элементов) и , 26 выходов (количество букв)и 10 нейронов скрытого слоя. Данная НС является двухслойной сетью. В качестве [[Практики реализации нейронных сетей#Функции активации|Функцией функции активации]] поставим логарифмическую сигмоидную функцию, которую удобно использоватьв данной сети используется сигмоидная функция<ref>https://ru.wikipedia.org/wiki/%D0%A1%D0%B8%D0%B3%D0%BC%D0%BE%D0%B8%D0%B4%D0%B0</ref>, потому что выходные векторы содержат элементы со значениями выход которой представлен в диапазоне от 0 до 1, что потом удобно перевести в булеву алгебру. На скрытый уровень выделим 10 нейронов (это число можно регулировать).<br><br><br><br><br><br>'''====Пример на синтаксисе скриптового языка MATLAB'''====

== Алгоритмы распознавания текста ===== E2E-MLT ==={{Определение|definition='''Недостатки нейронных сетейE2E-MLT'''  Нейронные сети с успехом могут применяться в системах распознавания текста, но существует большое число недостатков, которые препятствуют их широкому применению<ref>https://arxiv.org/abs/1801. * Затраты памяти 09919</ref> {{--- для построения сети}} метод, обеспечивающей распознавание каждого символа позволяющий решать задачи локализации и распознавания текстана изображениях, необходимо построить достаточно большую сеть элементов, что приводит к большим затратам памятисодержащих фрагменты на разных языках. * Затраты ресурсов системы Основан на FCN- помимо памяти, еще сильнее тратятся ресурсы системы в процессе распознавания, так как функции на элементах сети работают с числами с плавающей точкойобщими слоями для обеих задач. * Необходимость }}Реализация размещена в обучение Github репозитории<ref>https://github.com/MichalBusta/E2E- для достижения более точного результата нейронную сеть необходимо обучать на все случаи, однако и это не гарантирует 100% результатMLT</ref> одного из авторов проекта.* Зависимость от конфигураций сети <gallery mode="packed-так как работа нейронной сети по распознаванию текста во многом зависит от конфигурации сети и функций, заданных в элементах, требуется больше усилий для построения эффективно работающей сетиhover" widths=500px heights=250px>Image:e2emlt_work.jpg|250px|500px|''Результат работы E2E-MLT''</gallery>