Để thực hiện nhận dạng kí tự chúng ta tiến hành các bước sau:
Đưa giá trị đã huấn luyện vào mạng.
Đưa anh cần nhận dạng vào.
Một số ảnh và kết quả nhận dạng được
Ảnh đầu vào:
Hình 3.6a : Ảnh kích cỡ 8 cua font Arial Kết quả thu được
Hình3.7b : Kết quả thu được của font Arial8
ABCDEFGHlJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789 ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijkImnopqrstuvwxyz 0123456789
Ảnh đầu vào:
Hình 3.8a : Ảnh kích cỡ 8 cua font Tahoma Kết quả thu được
Hình 3.8b : Kết quả thu được của font Tahoma 8
ABCDGFOHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789 ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789
Ảnh đầu vào:
Hình3.9a : Ảnh kích cỡ 8 cua font Arial Kết quả thu được
Hình 3.9b : Kết quả thu được của font Arial8
TRUONG DAl HOC DAN LAP HAlPHONG Nganh Cong NgheThong Tin
Lop CT702
SinhVien BuiQuang Chien Mm So SinhVien 10324 DeTaiTotNghiep Nam 2007
Ảnh đầu vào:
Hình 3.10a : Ảnh kích cỡ 8 cua font Tahoma Kết quả thu được
Hình 3.10b : Kết quả thu được của font Tahoma8
Bảng3.6: Kết quả quá trình nhận dạng font Arial
TUONO DAI HOC DAN LAP HAI PHONO Nganh Cong NgheThongTin
Lop CT702
Sinh Vien BuiQuang Chien Ma So Sinh Vien 10324 DeTaiTot Nghiep Nam 2007
Loại font Số kí tự
nhận dạng Số kí tự lỗi % lỗi Ghi chú
Arial8 124 2 0.016 150 4 0.026 Arial10 124 3 0.024 150 4 0.026 Arial12 124 2 0.016 150 5 0.03 Arial14 124 2 0.016 150 2 0.013 Arial18 124 2 0.016 150 2 0.013 Arial20 124 2 0.026 150 2 0.013 Arial_Số 160 0 0 0 0 Arial_Hoa 156 0 0 0 0 Arial_Thường 156 0 0 0 0
Bảng3.7: Kết quả quá trình nhận dạng font Tahoma
Loại font Số kí tự nhận
dạng Số kí tự lỗi % lỗi Ghi chú (adsbygoogle = window.adsbygoogle || []).push({});
150 2 0.013 Tahoma10 124 1 0.008 150 4 0.026 Tahoma12 124 3 0.024 150 4 0.026 Tahoma14 124 0 0 150 0 0 Tahoma18 124 0 0 150 0 0 Tahoma20 124 0 0 150 0 0 Tahoma_Số 160 0 0 0 0 Tahoma_Hoa 156 0 0 0 0 Tahoma_Thường 156 0 0 0 0 Nhận xét quá trình nhận dạng kí tự:
Chương trình thực nghiệm đã được huấn luyện và nhận dạng hai loại font : Arial và Tahoma với nhiều kích thước khác nhau đã đạt được kết quả tốt, nhưng còn một số tồn tại cần được phát triển để đạt kết quả cao hơn.
Đối với quá trình huấn luyện ta cần chú ý nhiều và font Arial như đã nói ở hình 3.11a và hình 3.11b chữ “I_Hoa”mã 49h và chữ “l_Thường ” mã 6Ch khi tách kí tự, chia lưới và đưa kết quả vào mạng sẽ làm cho mạng không phân biệt được hai kí tự này dẫn đến sau này nhận dạng sai. Phương pháp này cần tăng số lần lặp cho quá trình huấn luyện.
Ngoài ra còn một số trường hợp ảnh của hai kí tự nằm chéo nhau như một số trường hợp sau:
Nó sẽ dẫn đến quá trình tách kí tự bị dính do dó nhận dạng sai. Đối với trường hợp này ta cần phát triển phương pháp tách để tách kí tự.
Trong quá trình thực nghiệm nhận dạng kí tự ta thấy những kí tự sai là do quá trình huấn luyện mạng chưa học được cho nên những kí tự này trong ảnh nhận dạng sẽ bị nhận dạng sai. Chỉ có một số ít do quá trình tách kí tự.
KẾT LUẬN
Trong thời gian vừa qua, như đã trình bày ở trên đây nội dung nghiên cứu đề tài của em được gồm các phần chính sau:
Tìm hiểu mạng nơron nhân tạo.
Tìm hiểu bài toán nhận dạng
Mô tả bài toán ứng dụng mạng nơron trong nhận dạng kí tự.
Thiết kế mạng và huấn luyện mạng nơron cho bài toán “ứng dụng mạng nơron trong nhận dạng kí tự”.
Cài đặt và kiểm tra thực nghiệm bài toán này.
Nhận dạng kí tự là một phần rất quan trọng của lĩnh vực nhận dạng nói riêng và xử lý ảnh nói chung. Cùng với việc sử dụng công cụ là mạng neural là một lĩnh vực còn khá mới cần được phát triển hơn.
Trong Khóa luận này nó mới chỉ dừng ở phần thử nghiệm trên một số loại font., kích thước…nhất định.
Hướng phát triển tiếp theo của khóa luận này trong tương lai.
Nâng cao hiệu quả và độ chính xác trong việc nhận dạng kí tự.
Mở rộng thêm nhiều loại font.
Mở rộng các cỡ chữ đặc biệt là các cỡ chữ dùng nhiều trong văn bản.
TÀI LIỆU THAM KHẢO
[1.] Tìm hiểu mạng neural nhân tạo cho bài toán nhận dạng Đồ án tốt nghiệp năm 2006. Đinh Thị Hương Lan, CT603, Trường đại học dân lập hải phòng.
[2.] MathNeuralNetworks. Ben Krose, faculty of Mathematics and computer science, university of Amsterdam. And Patrick van der smagt, institute of robotics and system dynamics German aerospase Reseach establishment.
[3.] Artificial Neural Networks and Information theory, colin Fyfe, department of computing and information system, the university of Paisley.
[4.] A Growth Algorithm for Neural Networks Decision Trees. Mostefa golea and Mario Marchand, Deparment of physics, university of Ottawa Canada.
[5.] Artificial neural network From Wikipedia, the free encyclopedia. [6.] Neural network From Wikipedia, the free encyclopedia.
[7.] http://en.wikipedia.org/wiki/Non-linear [8.] http://www.codeproject.com/