17
правок
Изменения
Нет описания правки
== Процесс распознавания текста ==
[[Файл:ПримерПроцесс_распознавания_текста.jpg|thumb|400px|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.
Нейронная сеть может служить в системе распознавания текста в качестве классификатора. Этот классификатор сначала обучают, настраивая коэффициенты на элементах сети. При обучении сеть получает на вход изображения, анализирует все позиции черных пикселей и выравнивает коэффициенты, минимизируя ошибку. Таким образом, достигается лучший результат распознавания.
'''Пример нейронной сети'''
[[Файл:Пример нейронной сети для распознавания символов.jpg | Пример нейронной сети для распознавания символов]]
На картинке в качестве примера схематически показана нейронная сеть, которая включает в себя 35 входов (каждый символ - матрица 7x5, соответственно, вектор, описывающий матрицу, состоит из 35 элементов) и 26 выходов (количество букв). Данная НС является двухслойной сетью. [[Практики реализации нейронных сетей#Функции активации|Функцией активации]] поставим логарифмическую сигмоидную функцию, которую удобно использовать, потому что выходные векторы содержат элементы со значениями в диапазоне от 0 до 1, что потом удобно перевести в булеву алгебру. На скрытый уровень выделим 10 нейронов (это число можно регулировать).
'''Пример на синтаксисе скриптового языка MATLAB'''
S1 = 10; ''% количество нейронов на скрытом слое''
[S2,Q] = size(targets); ''% количество нейронов на втором слое (количество выходов сети)''
P = alphabet; ''% входная матрица, содержащая информацию о буквах''
''% создаем новую сеть с использованием диалогового окна''
net = newff(minmax(P), ''% матрица минимальных и максимальных значений строк входной матрицы''
[S1 S2], ''% количество нейронов на слоях''
{’logsig’ ’logsig’}, ''% функция активации''
’traingdx’ ''% алгоритм подстройки весов и смещений (обучающий алгоритм)''
);
