và kết luận chƣơng 3
Kết thúc chƣơng 3 từ những định nghĩa những phân tích lý thuyết chúng ta đã xây dựng thành công chƣơng trình nhận dạng các chữ cái Tiếng Việt và dƣới đây là đánh giá sơ bộ kết quả của quá trình thử nghiệm chƣơng trình
- Chƣơng trình thực nghiệm đã đƣợc huấn luyện và nhận dạng với font Times New Roman với nhiều kích thƣớc khác nhau nói chung đã đạt đƣợc kết quả tốt, nhƣng còn một số tồn tại cần đƣợc phát triển để đạt kết quả cao hơn.
- Với font Arial ở nhiều kích thƣớc khác nhau chƣa cho đƣợc kết quả tốt, cần cải thiện để đạt kết quả chính xác hơn.
- Với đặc thù là bài toán nhận dạng Tiếng việt, nên việc nhận dạng 1 số chữ cái có dấu, mũ ở các kích thƣớc nhỏ và độ nhiễu cao cho kết quả chính xác 60-70% .
- Thử nghiệm với chữ cái thƣờng và chữ nghiêng có cùng kích thƣớc và độ nhiễu chƣơng trình cho kết quả không đƣợc tốt.
KẾT LUẬN
Trong thời gian vừa qua, nhƣ đã trình bày ở trên đây nội dung nghiên cứu đề tài của tôi bao gồm các phần chính sau:
Tìm hiểu mạng Neural nhân tạo
Tìm hiểu bài toán nhận dạng
Mô tả bài toán ứng dụng mạng Neural Hamming trong nhận dạng
Phân tích cụ thể bài toán nhận dạng
Thiết kế mạng và huấn luyện mạng Neural Hamming cho bài toán “ứng dụng mạng Neural Hamming trong nhận dạng chữ cái Tiếng việt”
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 đƣợc phát triển hơn.
Trong Luận văn này mới chỉ dừng ở phần thử nghiệm trên một số loại font và kích thƣớc nhất định và trong quá trình tìm hiểu và xây dựng hệ thống nhận dạng, tôi đã phát hiện ra rất nhiều phƣơng pháp nhận dạng mới không chỉ nhận dạng chữ viết bằng mạng Neural Hamming mà còn bằng nhiều mạng Neural khác nữa, chúng khai thác triệt để tính ứng dụng của mạng Neural phục vụ cho công việc nhận dạng. Dƣới đây là hƣớng phát triển tiếp theo của khóa luận này trong tƣơng lai
Nâng cao hiệu quả và độ chính xác trong việc nhận dạng chữ cái Tiếng Việt
Mở rộng thêm nhiều loại font
Mở rộng thêm nhận dạng chữ cái Tiếng Việt thƣờng
Mở rộng các cỡ chữ đặc biệt là các cỡ chữ dùng nhiều trong văn bản
Mở rộng trong việc nhận dạng các chữ viết tay; chữ cái tiếng việt; chữ ký ….
TÀI LIỆU THAM KHẢO Tiếng Việt
[1] Hoàng Kiếm, Nguyễn Hồng Sơn, Đào Minh Sơn, “Ứng dụng mạng nơron nhân tạo trong hệ thống xử lý biểu mẫu tự động”, Kỷ yếu hội nghị kỷ niệm 25 năm thành lập Viện Công nghệ Thông tin, 2001, tr. 560-567. [2] Bùi Minh Trí, “Quy hoạch toán học”, Nhà xuất bản Khoa học và kỹ
thuật, Hà nội, 2006.
[3] Lê Hoài Bắc, Lê Hoàng Thái, “Neural Network & Genetic Algorithm in Application to Handwritten Character Recognition”, Tạp chí Tin học và Điều khiển học, Tập 17, số 4, 2001, tr. 57-65.
[4] Nguyễn Thị Thanh Tân, Ngô Quốc Tạo, “Một cấu trúc mạng nơ ron thích hợp cho việc nhận dạng chữ số viết tay”, Kỷ yếu hội thảo FAIR03, NXB KH&KT Hà Nội, 2004, tr. 200-210.
[5] Nguyễn Thị Thanh Tân, Lƣơng Chi Mai, “Phƣơng pháp nhận dạng từ viết tay dựa trên mô hình mạng nơ ron kết hợp với thống kê từ vựng”, Tạp chí Tin học và Điều khiển học, Tập 22, số 2, 2006, tr. 141-154. [6]. Phạm Anh Phƣơng, Ngô Quốc Tạo, Lƣơng Chi Mai, “Ứng dụng SVM
cho bài toán phân lớp nhận dạng”, Kỷ yếu Hội thảo khoa học Quốc gia lần thứ ba về nghiên cứu, phát triển và ứng dụng Công nghệ thông tin và Truyền thông (ICT.rda’06), nhà xuất bản Khoa học và Kỹ thuật, Hà nội, trang 393-400, 20-21/05/2006.
[7]. Phạm Anh Phƣơng, Ngô Quốc Tạo, Lƣơng Chi Mai, “Trích chọn đặc trƣng wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng Việt”, Tạp chí Công nghệ Thông tin và Truyền thông, ISSN 0866- 7039, kỳ 3, số 20, 10-2008, tr 36-42.
[8]. Phạm Anh Phƣơng, “Áp dụng một số chiến lƣợc SVM đa lớp cho bài toán nhận dạng chữ viết tay hạn chế”, Tạp chí khoa học Đại học Huế, ISSN 1859-1388, số 45, 2008, tr. 109-118.
[9]. Nguyễn Thị Thanh Tân, Lƣơng Chi Mai, “Phƣơng pháp nhận dạng từ viết tay dựa trên mô hình mạng nơ ron kết hợp với thống kê từ vựng”, Tạp chí Tin học và Điều khiển học, Tập 22, số 2, 2006, tr. 141-154.
Tiếng Anh
[11] I. S. Oh, J. S. Lee, S. M. Choi, K. C. Hong, “Class-expert Approach to Unconstrained Handwritten Numeral Recognition”, in Proc.5th Int. Workshop Frontiers in Handwriting Recognition, pp. 95-102, Essex, England, 1996.
[12] L. F. C. Pessoa, P. Maragos, “Neural Networks with Hybrid Morphological/Rank/Linear Nodes: A Unifying Framework with Applications to Handwritten Character Recognition”, Pattern Recognition, vol.33, pp. 945-960, 2000.
[13] T. Kohonen, “Self Organizing Maps”, Springer Series in Information Sciences, vol.30, Berlin, 1995.
[14] Rabiner L.R - "A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition" - Proceedings of IEEE, VOL.77, NO.2, FEB 1989, pp. 257-286.
[15] M. Y. Chen, A. Kundu, J. Zhou, “Off-line Handwritten Word Recognition Using a Hidden Markov Model Type Stochastic Network”, IEEE Trans. Pattern Recognition and Machine Intelligence, vol.16, pp.481-496, 1994.
[16] M. Y. Chen, A. Kundu, S. N. Srihari, “Variable Duration Hidden Markov Model and Morphological Segmentation for Handwritten Word Recognition”, IEEE Trans. Image Processing, vol.4, pp.1675-1688, 1995. [17] A. Kornai, K. M. Mohiuddin, S. D. Connell, “An HMM-Based Legal Amount Field OCR System For Checks”, IEEE Trans, Systems, Man and Cybernetics, pp. 2800-2805, 1995.
[18] M. A. Mohamed, P. Gader, “Generalized Hidden Markov Models – Part II: Application to Handwritten Word Recognition”, IEEE Trans. Fuzzy Systems, vol.8, no.1, pp.82-95, 2000.
[19] M. A. Mohamed, P. Gader, “Handwritten Word Recognition Using Segmentation-Free Hidden Markov Modeling and Segmentation Based Dynamic Programming Techniques”, IEEE Trans. Pattern Analysis and Machine Intelligence, vol.18, no.5, pp.548-554, 1996.
[20]. Gorgevik D., Cakmakov D., “An Effcient Three-Stage Classifer for Handwritten Digit Recognition”, Proceedings of 17th Int. Conference on Pattern Recognition, ICPR2004, Vol. 4, pp. 507-510, IEEE Computer Society, Cambridge, UK, 23-26 August 2004.
[21]. G. Vamvakas, B. Gatos, I. Pratikakis, N. Stamatopoulos, A. Roniotis and S.J. Perantonis, "Hybrid Off-Line OCR for Isolated Handwritten Greek Characters", The Fourth IASTED International Conference on Signal Processing, Pattern Recognition, and Applications (SPPRA 2007), pp. 197- 202, ISBN: 978-0-88986-646-1, Innsbruck, Austria, February 2007.
[22]. Pham Anh Phuong, Ngo Quoc Tao, Luong Chi Mai, “An Effcient Model for Isolated Vietnamese Handwritten Recognition”, The Fourth International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP 2008), Harbin, China, August 15 - 17, 2008, pp. 358-361.