🛣️ 🐣 💵 अंतरिक्ष उतना सरल नहीं है जितना लगता है। 🕌 👩‍🎓 🚼

सभी को नमस्कार! जैसा कि आप पहले से ही जानते हैं, हम अलग-अलग दस्तावेजों पर एसई को टेक्स्ट रिकग्निशन (और न केवल) में लगे हुए हैं। आज हम एक और समस्या के बारे में बात करना चाहेंगे जब जटिल पृष्ठभूमि पर पाठ को पहचानना - रिक्त स्थान को पहचानने के बारे में। सामान्य तौर पर, हम बैंक कार्ड पर नाम के बारे में बात करेंगे, लेकिन पहले, पत्र के एक "भूत" के साथ एक उदाहरण। जैसा कि आप देख सकते हैं, यहां, डी के दाईं ओर, विकृतियों और पृष्ठभूमि ने एक बिल्कुल स्पष्ट Moreover का गठन किया है। इसके अलावा, अगर यह सेल बाकी सब चीजों से अलग दिखाता है, तो व्यक्ति। (या तंत्रिका नेटवर्क) निश्चित रूप से कहेंगे कि एक पत्र है।

जैसा कि आप तस्वीर में देख सकते हैं, हम जटिल पृष्ठभूमि के साथ मूल छवि पर काम कर रहे हैं, इसलिए हमारे स्थान बहुत विविध हैं। वे पैटर्न, लोगो और कभी-कभी पाठ में आते हैं। उदाहरण के लिए, कार्ड्स पर VISA या MAESTRO। और हम ऐसे "जटिल स्थानों" में रुचि रखते हैं, न कि केवल सफेद आयतों में। और हमारे सिस्टम में हम प्रतीकों के ठीक अलग-अलग कटे हुए आयतों पर विचार करते हैं [1]।

और कठिनाई क्या है?

एक स्थान विशेष चिह्नों के बिना एक प्रतीक है। जटिल पृष्ठभूमि पर, जैसे कि एक छवि में, एक अलग कट अंतरिक्ष किसी व्यक्ति के लिए भी भेद करना मुश्किल हो सकता है।

दूसरी ओर, संक्षेप में, एक स्थान अन्य वर्णों से अलग है। यदि ASIA के बजाय ABIA को नाम से पहचाना जाता है, तो पोस्ट-प्रोसेसिंग के साथ इसे ठीक करने का एक मौका है। लेकिन, अगर ए आईए वहां उठता है, तो यह संभावना नहीं है कि कुछ मदद करेगा।

हमारे द्वारा उपयोग नहीं किए गए तरीके

अक्सर रिक्त स्थान को छवि से गणना किए गए आँकड़ों का उपयोग करके फ़िल्टर किया जाता है। उदाहरण के लिए, वे चित्र में ढाल के औसत निरपेक्ष मान या पिक्सेल की तीव्रता का विचरण करते हैं और चित्रों को थ्रेशोल्ड मान द्वारा रिक्त स्थान और अक्षरों में विभाजित करते हैं। हालांकि, जैसा कि रेखांकन से देखा जा सकता है, ऐसे तरीके जटिल पृष्ठभूमि के साथ ग्रे छवियों के लिए उपयुक्त नहीं हैं। और मूल्यों के स्पष्ट संबंध के कारण, इन विधियों का एक संयोजन भी काम नहीं करेगा।

हर किसी का पसंदीदा बायनेरिज़ यहाँ भी मदद नहीं करेगा। उदाहरण के लिए, इस तस्वीर में:

तो, मान्यता कैसे सुधारी जा सकती है?

चूंकि किसी व्यक्ति को उसे देखने के लिए किसी स्थान के वातावरण की आवश्यकता होती है, इसलिए नेटवर्क के लिए कम से कम दो पड़ोसी पात्रों को दिखाना तर्कसंगत है। हम मान्यता नेटवर्क के इनपुट को बढ़ाना नहीं चाहते हैं, जो सामान्य रूप से, अच्छी तरह से काम करता है (और कई अंतरालों को पहचानता है)। तो हमें एक और नेटवर्क मिलेगा - सरल। नया नेटवर्क भविष्यवाणी करेगा कि तस्वीर में क्या है: दो स्थान, दो अक्षर, एक स्थान और एक अक्षर या एक अक्षर और एक स्थान। तदनुसार, इस तरह के नेटवर्क का उपयोग मान्यता नेटवर्क के साथ संयोजन के रूप में किया जाता है। छवि उपयोग किए गए आर्किटेक्चर को दिखाती है: बाईं ओर पहचानने वाले नेटवर्क की वास्तुकला है, दाईं ओर प्रस्तावित नेटवर्क की वास्तुकला है। मान्यता नेटवर्क एक चरित्र के साथ एक तस्वीर पर काम करता है, और नया एक दो-चौड़ाई वाले चित्र पर काम करता है जिसमें दो आसन्न वर्ण होते हैं।

एक परीक्षा?

परीक्षण के लिए, हमारे पास 4320 लाइनें थीं जिनमें 130,149 अक्षर थे, जिनमें 68,246 स्थान थे। शुरुआत के लिए, हमारे पास दो तरीके हैं। मूल विधि: हम पात्रों में एक स्ट्रिंग काटते हैं और प्रत्येक चरित्र को व्यक्तिगत रूप से पहचानते हैं। नई विधि: हम पात्रों की एक स्ट्रिंग भी काटते हैं, एक नए नेटवर्क के साथ सभी रिक्त स्थान पाते हैं, और शेष पात्रों को सामान्य रूप से पहचानते हैं। तालिका से पता चलता है कि रिक्त स्थान, साथ ही समग्र गुणवत्ता की मान्यता की गुणवत्ता बढ़ रही है, लेकिन पत्रों की मान्यता की गुणवत्ता थोड़ी कम है।

	रिक्त स्थान	पत्र	संपूर्ण
आधार विधि	93.6%	99.8%	96.5%
नई विधि	94.3%	99.6%	96.8%

हालाँकि, हमारा मुख्य नेटवर्क भी रिक्त स्थान को पहचानता है (इससे भी बुरा हम जितना चाहेंगे)। और हम इसका फायदा उठाने की कोशिश कर सकते हैं। आइए दोनों तरीकों की त्रुटियों को देखें। और यह भी - मूल त्रुटियों और इसके विपरीत नई पद्धति की गुणवत्ता पर।

आधार विधि के लिए:

	रिक्त स्थान	पात्र	संपूर्ण
मूल विधि त्रुटियां	4392	141	4533
नई विधि से पहचाना गया	44.7%	29.8%	44.3%

नई विधि के लिए:

	रिक्त स्थान	पात्र	संपूर्ण
मूल विधि त्रुटियां	3893	241	4134
नई विधि से पहचाना गया	37.6%	58.9%	38.9%

पिछले तीन तालिकाओं से यह देखा जा सकता है कि सिस्टम को बेहतर बनाने के लिए यह नेटवर्क रेटिंग के संतुलित संयोजन का उपयोग करने के लायक है। इसी समय, चरित्र-दर-वर्ण गुणवत्ता दिलचस्प है, लेकिन लाइन-बाय-लाइन अधिक दिलचस्प है।

	गुणवत्ता
आधार विधि	96.39%
एक नए नेटवर्क के साथ	96.46%
विधियों का संयोजन	97.07%

निष्कर्ष

अंतरिक्ष - दस्तावेजों की मान्यता की 100% गुणवत्ता के रास्ते पर एक बड़ी समस्या =) रिक्त स्थान के उदाहरण पर यह स्पष्ट रूप से देखा जा सकता है कि न केवल व्यक्तिगत पात्रों पर, बल्कि उनके संयोजनों पर भी ध्यान देना कितना महत्वपूर्ण है। हालांकि, तुरंत भारी तोपखाने की पकड़ नहीं है और विशाल नेटवर्क सीखते हैं जो पूरे तारों की प्रक्रिया करते हैं। कभी-कभी बस एक और छोटा नेटवर्क पर्याप्त होता है।

यह पद मॉडलिंग ईसीएमएस 2015 (बुल्गारिया, वर्ना) पर यूरोपीय सम्मेलन की एक रिपोर्ट की सामग्री का उपयोग करके बनाया गया था: शेशकस, ए एंड अर्लाजारोव, वीएल (2015)। दृश्य संदर्भ का उपयोग करके जटिल पृष्ठभूमि पर अंतरिक्ष प्रतीक का पता लगाना।

उपयोग किए गए स्रोतों की सूची

1. वाईएस चेर्नशियोवा, एवी शेशकस और वीवी अर्लजारोव, "कैमरे में कैद चित्रों में टेक्स्ट लाइन की पहचान के लिए दो-चरण वाले सीएनएन ढांचे," आईईईई एक्सेस, वॉल्यूम। 8, पीपी। 32587-32600, 2020, डीओआई: 10.1109 / ACCESS.2020.2974051।

अंतरिक्ष उतना सरल नहीं है जितना लगता है।

और कठिनाई क्या है?

हमारे द्वारा उपयोग नहीं किए गए तरीके

तो, मान्यता कैसे सुधारी जा सकती है?

एक परीक्षा?

निष्कर्ष

More articles: