Rozpoznávání rukopisu pomocí neuronové sítě

Abstract

Název práce: Rozpoznávání rukopisu pomocí neuronové sítě Autor: Martin Petr Katedra (ústav): Katedra teoretické informatiky a matematické logiky Vedoucí bakalářské práce: RNDr. Pavel Surynek, PhD. e-mail vedoucího: pavel.surynek@mff.cuni.cz Abstrakt: Rozpoznávání vzorů nalézá uplatnění v mnoha oborech, do jejichž vývoje zasáhla informatika či výpočetní technika. Výsadní postavení má v tomto ohledu zejména její aplikace na převod tištěného či rukou psaného textu do běžného textu v digitální podobě. V následující práci předkládáme metodu pro rozpoznávání rukou psaných znaků v reálném čase s využitím dopředné neuronové sítě jako základního klasifikačního mechanismu. Vzhledem k tomu, že se jednotlivé rukou psané varianty každého znaku vyznačují vzájemnými odlišnostmi, prozkoumali jsme důkladně možnosti potlačení těchto odlišností při zdůraznění charakteristik, které jsou pro rozpoznání daného znaku důležité. Pro tyto účely byla zvolena diskrétní kosinová transformace, jejíž osvědčenost při zpracování zvukového a obrazového signálu či přímo v oblasti rozpoznávání vzorů byla přesvědčivým argumentem i pro její využití v naší práci. V úvahu jsme vzali rovněž rozdíly mezi odlišnými psacími potřebami, pro jejichž potlačení jsme navrhli předzpracování vstupních dat v podobě binarizace a skeletonizace. Námi navržená...

Title: Handwriting recognition using neural network Author: Martin Petr Department: Department of Theoretical Computer Science and Mathematical Logic Supervisor: RNDr. Pavel Surynek, PhD. Supervisor's e-mail address: pavel.surynek@mff.cuni.cz Abstract: Pattern recognition finds its use in many fields whose development has been affected by computer science and computer technology. Among these, the conversion of handwritten or printed text into computer-encoded text has a particularly prominent position. In the presented work we propose a method for recognizing handwritten characters in real-time using feedforward neural network as the basic classification mechanism. Dealing with differences among individual instances of each handwritten character we thoroughly explored the possibility of suppressing these while emphasizing characteristics that are essential for successful recognition. For these purposes we employed discrete cosine transform, whose time-proven application in audio and video signal processing or even directly in the field of pattern recognition provided a convincing argument for us to use it in our work as well. As a means of suppressing variations among various writing instruments we proposed preprocessing of input images using binarization and skeletonization. The designed method was...