Разработка алгоритмов распознавания текста

Slides:

Advertisements

Similar presentations

Выпускная квалификационная работа на тему: «Применение интернет-технологий как фактор повышения эффективности функционирования организации (на примере.

Advertisements

Биоинформатика Исследование информационных процессов в биологических системах (клетках, органах, организме, популяции). Изучение и внедрение в компьютерную.

Поиск оптимального набора параметров оптимизаций компилятора Брусенцов Леонид Евгеньевич студент 4 курса ФИТ НГУ Руководители:Илья.

Автоматическая генерация кода программ с явным выделением состояний Канжелев С.Ю. магистрант СПбГУ ИТМО Шалыто А.А. доктор технических наук профессор СПбГУ.

Разработка и внедрение объектно-ориентированной библиотеки для автоматизации тестирования Кафедра системного программирования Студент: Олейник А.Л. 544.

Долбешкин Андрей Николаевич, 345 группа Руководитель: кандидат ф.-м.н. Вячеслав Алексеевич Кириллин.

Дипломная работа Ивановой О.О., группа 545 Научный руководитель: д. ф.-м. н., профессор Терехов А.Н. Генерация кода по диаграмме активностей.

Расторгуев А.C., 545 группа Научный руководитель: Пименов А.А. Рецензент: ст. преп. Смирнова Е.А.

Автоматизированная поддержка пользовательской документации Web-приложений, разрабатываемых в среде WebRatio Студент: Дорохов Вадим, 544 гр. Научный руководитель:

Разработка архитектуры для генератора синтаксических анализаторов Выполнил: Улитин Константин Научный руководитель: Я.А. Кириленко Курсовая.

Применение алгоритмов SuperResolution к лицам Выполнил: студент 345 гр., Мокаев Руслан Научный руководитель: Пименов Александр.

Савенко Мария Олеговна, 361 группа Научный руководитель: старший преподаватель В.С.Полозов.

Разработка технологии взаимодействия гетерогенных систем с использованием метапрограммирования Константинов Александр, 545 группа Научный руководитель.

Инструмент реинжиниринга спецификаций трансляций Константин Андреевич Улитин Научный руководитель: Я.А. Кириленко Рецензент: Н.М. Тимофеев Санкт-Петербургский.

Разработка информационной системы накопительной программы лояльности для мобильных устройств Автор: Дьяченко Василий Владимирович мат-мех, 545 группа Научный.

Курсовая работа студента 345 группы Чуновкина Фёдора Дмитриевича Научный руководитель: Бондарев А.В. Санкт-Петербургский Государственный Университет Математико-механический.

Миллер Дмитрий, 545 группа Научный руководитель: д.ф.-м.н., профессор, А.Н.Терехов Рецензент: к.ф.-м.н, доцент, А.Н. Иванов.

Виртуальная лаборатория для первоначального обучения проектированию программ Н. Н. Красильников, В. Г. Парфенов, Ф. Н. Царев, А. А. Шалыто Кафедра компьютерных.

1 СПбГУ ИТМО, кафедра Компьютерных Технологий ПРИМЕНЕНИЕ АВТОМАТНОГО ПРОГРАММИРОВАНИЯ ДЛЯ ПОСТРОЕНИЯ СИСТЕМ УПРАВЛЕНИЯ БИЗНЕС- ПРОЦЕССАМИ Евгений Андреевич.

Адаптивный метод распределения SPMD-заданий в грид Паньшенсков Михаил, 545 группа Научный руководитель: Лукичев А.С. Рецензент: Демьянович Ю.К июня.

Блок 3. Семейства белков I. Множественное выравнивание Первый курс, весна 2008, А.Б.Рахманинова.

Разработка программного обеспечения (Software Engineering) Часть 2. Создание ПО.

Метод введения обобщённых координат и инструментальное средство для автоматизации проектирования программного обеспечения вычислительных экспериментов.

1 Генерация контекстных ограничений для баз данных Выполнил: Жолудев В. Научный руководитель: Терехов А.Н. Рецензент: Иванов А.Н.

L/O/G/O Психология решения задач и проблем: классика и современность Спиридонов В.Ф. (РГГУ-ГУВШЭ)

Аппаратное ускорение алгоритмов компьютерного зрения Стефан Бояровски, 361 группа Научный руководитель: Сергей П. Шувалкин.

Сравнение различных методов хранения XML в реляционных базах данных и в разных системах. Нгуен Тхань Хуен- 545 группа Руководитель : Б.А. Новиков Рецензент:

 Нужно много различных протоколов связи  Каждый из них может реализовываться на разных платформах Современные сети Много устройств, компьютеров и сетей.

Сопоставление полигональных объектов на основе независимой фрагментации контуров Выполнил: Ю. М. Плотников Научный руководитель: канд. ф.-м. наук К. В.

Применение генетического программирования для построения автоматов, управляющих системами со сложным поведением Ф. Н. Царев, А. А. Шалыто 2007 год.

EDCWiki Electronic Document Circulation using wiki Система электронного документооборота на основе wiki Участники: Кузьмин Константин, Цыцулин Виталий.

ЛЭТИ'20061 Семантическая классификация JPEG изображений Результаты экспериментального исследования.

Создание экспериментального стенда для оценки методов поиска изображений по содержанию Выполнила: Теплых М. А. Научный руководитель: Васильева Н. С. Рецензент:

Генерация вероятностных автоматов методами Reinforcement Learning Выполнил: Иринёв А. В. Руководитель: Шалыто А. А.

Оптимизация Just – in - time компилятора методом профилирования значений Соколов Андрей Владимирович, ФФ НГУ, 3 курс, Руководитель:

Конвертор байт-кода java в CIL Д. С. Возжаев, 544 группа Научный руководитель: д. т. н. проф. В. О. Сафонов Рецензент: асп. А. Н. Близнюк Санкт-Петербургский.

Распределение наборов неоднородных по размеру заданий в кластерных системах на основе ClassAd механизма Голубев Александр Юрьевич, 542 группа Научный руководитель:

Применение генетического программирования для генерации автомата в задаче об «Умном муравье» Царев Ф.Н., Шалыто А.А. IV Международная научно-практическая.

Верификация автоматных программ Ремизов А.О., д.т.н., проф. Шалыто А.А.

Взвешенные скелеты для простых многоугольников Дипломная работа студента 544 группы Игнатьевского Сергея Васильевича Научный руководитель: К.В. Вяткина.

Нахождение ориджинов в последовательности нуклеотидов Выполнил: Ромашкин Амир, 445 гр. Руководитель: Профессор АФТУ, Порозов Юрий.

ICAO Training Workshop Moscow, Применение EATMP Common Core Content в процессе разработки учебных курсов: опыт Латвии Учебный центр АНС, Латвия.

Тема: Сравнительный анализ сложности факторизации алгоритмов целых чисел Выполнила: Дубовицкая Н.В., гр 957 Научный руководитель: Ишмухаметов Ш.Т.

Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3»

Adobe Photoshop CS2. Интерфейс редактора Меню Панель инструментов Палитры Контекстная панель.

Применение генетических алгоритмов для генерации автоматов Мура и систем взаимодействующих автоматов Мили в задаче об «Умном муравье» А. А. Давыдов, Д.

Вычисление типов в императивных динамически типизированных языках. Михаил Калугин, студент 3 курса ММФ Научные руководители: Игорь Николаевич Скопин Андрей.

Увеличение модульности программного обеспечения на языке Java Курсовая работа студента 345 группы Абишева Тимура Маратовича Научный руководитель: Профессор.

Применение метода представления функции переходов с помощью абстрактных конечных автоматов в генетическом программировании Царев Ф. Н. Научный руководитель.

Маршрут, цепь, цикл Маршрутом называют последовательность вершин и ребер, в которой любые два соседних элемента инцидентны (т.е. соединены). Например:

Разработка программного средства 3Genetic для генерации автоматов управления системами со сложным поведением Государственный контракт №

Разработка инструментария для создания нейронных сетей на мобильных платформах на примере iOS Золотухина Алина Манаев Дмитрий 445 группа Руководитель:

Применение генетических алгоритмов для генерации тестов к олимпиадным задачам по программированию Буздалов М.В., СПбГУ ИТМО.

Проект «Безопасный браузер» Визовитин Николай Научный руководитель: Д.В. Иртегов.

Демидов А.В г. Операционные системы Лекция 4 Работа с файлами.

Методы интерактивной визуализации динамики жидких и газообразных сред Костикова Елена Юрьевна, 521 гр. Научный руководитель: Игнатенко Алексей Викторович.

МЕТОД СКОЛЬЗЯЩЕГО КОНТРОЛЯ ДЛЯ ОЦЕНКИ КАЧЕСТВА РЕКОМЕНДАТЕЛЬНЫХ ИНТЕРНЕТ- СЕРВИСОВ А.Ю. Каминская, Р.А. Магизов Научный руководитель – Д.И. Игнатов Государственный.

9 октября 2004 Поиск статических изображений по содержанию: использование текстового запроса Наталья Васильева

Универсальная интеграция технологии построения отчетов в семейство.NET приложений Презентация дипломной работы Порсева Анатолия, 542 гр. Санкт-Петербург.

Мультиагентные системы и их применение в сетевых задачах Выполнил: студент 545 гр. Г.И. Вольфсон Научный руководитель: д. ф.-м. н. А.Н.Терехов 2007.

Проверка эквивалентности срединной и линейной осей многоугольника Дипломная работа студента 545 группы Подколзина Максима Валериевича Санкт-Петербургский.

Алгоритм исправления ошибок при анализе в парсерах типа перенос-свертка, основанный на предположении об избыточности языка Дипломная работа студента 545.

Сравнение подходов к индексированию XML документов c поддержкой некоторых операций модификации Выполнил: Василий Шикин, 545 группа Руководитель: Дмитрий.

Графический язык описания игровых эпизодов в футболе Царев Михаил Николаевич, Царев Федор Николаевич 2008 год.

Классификация, кластеризация и поиск изображений на основе низкоуровневых характеристик Наталья Васильева Руководитель: Новиков Б. А.

Исследование возможностей сервисной шины SonicMQ Дипломная работа студентки 545 группы Комольцевой Дарьи Владимировны Научный руководитель: Графеева Н.Г.

Поддержка избыточного кодирования. Оптимизация, настройка и аппробация выбранного алгоритма под поставленную задачу. Оценка полученных результатов Мальчевский.

R E F R I G E R A T I O N A N D A I R C O N D I T I O N I N G Блок мониторинга и централизованного управления АK-SM 350.

Алгоритмическая структура «выбор» Автор: Доронина Екатерина Валерьевна, МКОУ СОШ № 1, Г. Коркино.

Presentation transcript:

Разработка алгоритмов распознавания текста на основе клеточных автоматов Автор: Суясов Д. И. Руководитель: Шалыто А. А., д.т.н., профессор

Этапы распознавания текста: Фильтрация изображения. Постановка задачи Этапы распознавания текста: Фильтрация изображения. Сегментация изображения текста на изображения символов. Выделение характеристик / признаков символов из их изображений. Классификация этих признаков. Задача: Исследование подзадач процесса распознавания текста и принципов их решения на основе клеточных автоматов. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

{G, M, Z, N, f} Клеточные автоматы с метками РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Последовательности клеточных автоматов • Логика системы основана на последовательностях клеточных автоматов. • Клеточные автоматы в последовательности содержат простой набор правил. • Последовательность может содержать дополнительную функциональность. • Последовательность позволяет индивидуально настраивать клеточные автоматы. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Алгоритмы фильтрации и сегментации Фильтрация Сегментация 1. 1. 2. 2. 3. 1. Черные точки помечаются индексом. 2. Для каждой черной точки индекс переписывается на минимальный из соседних или самой точки. 1. Все точки переводятся в оттенки серого. 2. Темные точки перекрашиваются в черные. 3. Светлые точки перекрашиваются в белые. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Затухание волны (отсутствие фронта) Принцип выделения признаков символов Затухание волны (отсутствие фронта) Точки пройденного пути Шлейф волны Фронт волны Встреча двух волн РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Алгоритмы выделения признаков символов Алгоритм №1 фиксирует концы и петли символа: • выбирается начальная точка; • запускается волна; • фиксируются точки концов символов; • фиксируются точки встречи составляющих волны. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Алгоритмы выделения признаков символов Результаты выделения признаков первым алгоритмом: • выделенные признаки практически уникальны; • время работы алгоритма: 16 символов – 6 секунд; РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Алгоритмы выделения признаков символов Алгоритм №2 фиксирует концы, петли и пересечения: • выбирается начальная точка; • запускается волна; • во время фиксации концов и пересечений запускается волна-эхо; • фиксируются точки концов символов и встречи составляющих волны. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Алгоритмы выделения признаков символов Результаты выделения признаков вторым алгоритмом: • выделенные признаки уникальны; • время работы алгоритма: 16 символов – 15 секунд; РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Моделирующая программа • Сознание клеточных автоматов и последовательностей. • Запуск автоматов в пошаговом и автоматическом режимах. • Обучение и распознавание текста на основе шаблонов. • Возможность добавления других модулей работы с клеточными автоматами. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Изображение слова «документирование», размеры: 236 х 30 6 4% 2 9% 1 0% Таблица сравнения Тестовые данные Моделирующая программа Курсовая работа (на основе нейронных сетей) FineReader Время работы, с. Процент ошибок Изображение слова «документирование», размеры: 236 х 30 6 4% 2 9% 1 0% Изображение русского алфавита без букв «й», «ё» и «ы» 13 3% 4 11% Изображение русского текста (76 символов), размеры: 561 х 56 16 5 17% 3 1% Изображение страницы текста (742 символа) 83 12% 40 16% 7 2% РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Исследован процесс распознавания текста. Результаты Исследован процесс распознавания текста. Показана применимость теории клеточных автоматов в распознавании. Введено понятие клеточного автомата с метками и последовательности клеточных автоматов. Разработан алгоритм фильтрации и сегментации изображений на основе клеточных автоматов. Разработаны и исследованы алгоритмы выделения признаков символов. Создана моделирующая программа. Расширяется область применения клеточных автоматов. Для качественного распознавания необходимо комбинировать несколько разных методов. РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

Спасибо за внимание РАЗРАБОТКА АЛГОРИТМОВ РАСПОЗНАВАНИЯ ТЕКСТА НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ