Изменения

'''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.

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 технологийоснована на технологиях, связанных с телеграфией и созданием считывающих устройств для слепых. В 1914 году Эммануэль Гольдберг разработал устройство, которое считывало считывающее символы и преобразовывало преобразовывающее 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.

Первой коммерчески успешной программой, распознающей кириллицу, стала программа «AutoR» российской компании «ОКРУС». Алгоритм «AutoR» был компактный, быстрый и в полной мере «интеллектуальный», то есть по-настоящему шрифтонезависимый. Этот алгоритм разработали и испытали ещё в конце 60-х два молодых биофизика, выпускники МФТИ {{---}} Г. М. Зенкин и А. П. Петров. В настоящее время алгоритм Зенкина-Петрова применяется в нескольких прикладных системах, решающих задачу распознавания графических символов.

* Считывание данных с бланков и анкет;.* Автоматическое распознавание номерного знака;.* Распознавание паспортных данных;.* Извлечение информации из визитных карточек в список контактов;.* Создание цифровых версий печатных и рукописных документов, например, сканирование книг для проекта "Гутенберг"<ref>https://ru.wikipedia.org/wiki/Проект_«Гутенберг»</ref>;.* Технология для помощи слепым и слабовидящим;.

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

* Разнообразие форм начертания символов: документ может содержать несколько шрифтов сразу: как распространенных, так и нестандартных;$\;\;\;\;\;\,$а символы могут быть схожи по начертанию (например, “G” и “6”, “S” и “5”, “U” и “V” и тд.);

** Шумы при печати;.** Плохое качество изображения (засвеченность, размытость);.* Вариации размеров, масштаба и положения символов на странице;.* Влияние исходного масштаба печати: 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 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.

Для == Алгоритмы распознавания символа существуют 2 основных алгоритма. символов ====== Распознавание при помощи метрик ==== 

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 проходящий 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 сеть может служить быть использована 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|thumb|800px|Пример нейронной сети для распознавания символов]]

[[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 функциюв 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>, которую удобно использовать, 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 09919</ref> {{---}} для построения сетиметод, 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-hover" widths=500px heights=250px>Image:e2emlt_work.jpg|250px|500px|''Результат работы E2E--}} 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 сети.MLT''</gallery>