OCR - подсистема распознавания текста

NetTrainer - модуль обучения

Данная утилита выполняет обучение распознавателей текста по задаваемому сценарию.

Сценарий обучения, включающий в себя параметры алгоритмов, списки учебных изображений и эталонов, а также управляющие директивы, задается как XML файл.

Результат ее работы - бинарные файлы с данными для всех алгоритмов распознавания, а также разнообразные отчеты по результатам обучения.

Утилита chars - статистическая обработка текстов

Утилита обрабатывает заданный текстовый файл и формирует таблицы с N-граммами символов. При обработке текста программа учитывает пробельные символы и переводы строки как ограничители N-грамм, но не выполняет сегментацию текста на слова.

Запуск:

chars input_file results_folder

Входной текстовый файл должен иметь кодировку utf-8.

Результаты - несколько текстовых и csv файлов - сохраняются в указанном вторым аргументов каталоге.

Например, при обработке текстового файла с текстом на японском языке

私は明日テニスをするつもりです。

будут получены диграммы:

        は明
        つも
        ニス
        スを
        もり
        です
        日テ
        明日
        るつ
        する
        テニ
        す。
        をす
        私は
        りで

триграммы:

        スをす
        をする
        るつも
        するつ
        明日テ
        私は明
        もりで
        テニス
        ニスを
        は明日
        です。
        つもり
        りです
        日テニ

и тетраграммы:

        するつも
        もりです
        日テニス
        スをする
        るつもり
        りです。
        は明日テ
        をするつ
        明日テニ
        ニスをす
        テニスを
        つもりで
        私は明日

Утилита text2bmp - генерация изображения для текста

Основная функция - сгенерировать файл изображения для текста, используя задаваемые в командной строке параметры шрифта и цветовые атрибуты.

Умеет генерировать набор изображений по списку слов для заданного множества шрифтов и их размеров.

Результаты ее работы используются разными алгоритмами в качестве сырья, по которому выполняется обучение или тестирование алгоритмов распознавания текста.

Утилита slicer - генерация фрагментов изображения

Из заданного входного изображения создает множество фрагментов заданного размера и записывает их в виде графических bmp-файлов в заданный каталог.

Утилита OcrChar - консольный распознаватель

Основное назначение - тестирование обученных утилитой NetTrainer модулей распознавания в автоматическом пакетном режиме. Опции командной строки позволяют указать на загружаемые бинарные файлы распознавателей и проверочные изображения.

Результатами ее работы может быть как результат распознавания для единственного входного изображения, так и список ошибок распознавания для заданного множества изображения и эталонных результатов.

Дополнительные материалы

Экранный переводчик

� Mental Computing 2010 изменено 31-Jan-10