Optinen hahmon tunnistus

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 22. huhtikuuta 2021 tarkistetusta versiosta . tarkastukset vaativat 3 muokkausta .

Optinen merkintunnistus ( eng. optical character  detection , OCR ) - käsin kirjoitetun , koneella kirjoitetun tai painetun tekstin kuvien mekaaninen tai elektroninen kääntäminen tekstidataksi , jota käytetään edustamaan merkkejä tietokoneessa (esimerkiksi tekstieditorissa ). OCR:ää käytetään laajalti kirjojen ja asiakirjojen muuntamiseen sähköiseen muotoon , yritysten kirjanpitojärjestelmien automatisointiin tai tekstin julkaisemiseen verkkosivulla . Optisen merkintunnistuksen avulla voit muokata tekstiä, etsiä sanoja tai lauseita, tallentaa sen kompaktimpaan muotoon, näyttää tai tulostaa materiaalia laadun heikkenemättä, analysoida tietoja ja soveltaa tekstiin sähköistä käännöstä , muotoilua tai puhetta . Optinen tekstintunnistus on tutkittu ongelma hahmontunnistuksen , tekoälyn ja tietokonenäön aloilla .

OCR-järjestelmät vaativat kalibroinnin toimiakseen tietyn fontin kanssa ; varhaisissa versioissa ohjelmointi vaati kuvan jokaisesta merkistä, ohjelma saattoi toimia vain yhdellä fontilla kerrallaan. Tällä hetkellä yleisimpiä ovat niin sanotut "älykkäät" järjestelmät, jotka tunnistavat useimmat kirjasimet suurella tarkkuudella. Jotkut OCR-järjestelmät pystyvät palauttamaan tekstin alkuperäisen muotoilun, mukaan lukien kuvat, sarakkeet ja muut ei-tekstikomponentit.

Historia

Vuonna 1929 Gustav Tauschek sai patentin  OCR:lle Saksassa , jota seurasi Händel ( eng. Paul W. Handel ), joka sai patentin menetelmälleen Yhdysvalloissa vuonna 1933. Vuonna 1935 Tauschek sai myös USA:n patentin menetelmälleen. . Taushekin kone oli mekaaninen laite, joka käytti malleja ja valoilmaisinta.  

Vuonna 1950 David H. Shepard , Yhdysvaltain armeijan turvallisuusviraston kryptanalyytikko analysoituaan  painettujen viestien muuntamisen konekieleksi tietokonekäsittelyä varten, rakensi koneen, joka ratkaisi tämän ongelman. Saatuaan Yhdysvaltain patentin hän raportoi siitä Washington Daily Newsille (27. huhtikuuta 1951) ja The New York Timesille (26. joulukuuta 1953). Shepard perusti sitten älykkäitä koneita kehittävän yrityksen, joka julkaisi pian maailman ensimmäiset kaupalliset optiset merkintunnistusjärjestelmät.

Ensimmäinen kaupallinen järjestelmä asennettiin Reader's Digestiin vuonna 1955. Toinen järjestelmä myytiin Standard Oilille luottokorttien lukemiseen shekkejä varten. Muita Shepardin yrityksen toimittamia järjestelmiä myytiin 1950-luvun lopulla, mukaan lukien Yhdysvaltain kansallisten ilmavoimien sivuskanneri , joka oli suunniteltu lukemaan ja telekirjoittamaan koneella kirjoitettuja viestejä. IBM sai myöhemmin lisenssin käyttää Shepardin patentteja.

Vuoden 1965 tienoilla Reader's Digest ja RCA tekivät yhteistyötä luodakseen OCR-asiakirjanlukijan, joka on suunniteltu digitoimaan mainoksista palautettujen Reader's Digest -kuponkien sarjanumerot. Asiakirjojen tulostamiseen RCA-rumputulostin käytti erityistä OCR-A- fonttia . Asiakirjanlukija toimi suoraan RCA 301 -tietokoneen (yksi ensimmäisistä puolijohdetietokoneista) kanssa. Koneen nopeus oli 1500 dokumenttia minuutissa: se tarkisti jokaisen asiakirjan, pois lukien ne, joita se ei kyennyt käsittelemään oikein.

Vuodesta 1965 lähtien Yhdysvaltain postipalvelu on käyttänyt OCR-koneita postin lajitteluun tutkija Yakov Rabinovin kehittämään teknologiaan perustuen. Euroopassa ensimmäinen OCR-koneita käyttänyt organisaatio oli British Post Office. Canada Post on käyttänyt optisia merkintunnistusjärjestelmiä vuodesta 1971 lähtien. Ensimmäisessä vaiheessa, optisen merkintunnistusjärjestelmän lajittelukeskuksessa, luetaan vastaanottajan nimi ja osoite sekä tulostetaan kirjekuoreen viivakoodi. Se levitetään erityisellä musteella, joka näkyy selvästi ultraviolettivalossa . Tämä tehdään, jotta vältetään sekaannukset henkilötäytetyn osoitekentän kanssa, joka voi olla missä tahansa kirjekuoressa.

Vuonna 1974 Ray Kurzweil perusti Kurzweil Computer Productsin ja aloitti ensimmäisen optisen merkintunnistusjärjestelmän kehittämisen, joka pystyy tunnistamaan millä tahansa fontilla painetun tekstin. Kurzweil uskoi, että tämän tekniikan paras sovellus olisi sokeille tarkoitetun lukukoneen luominen, jonka avulla sokeilla olisi tietokone, joka voisi lukea tekstiä ääneen. Tämä laite vaati kahden tekniikan keksimistä kerralla - CCD - tasoskannerin ja tekstin puheeksi muuntavan syntetisaattorin. Lopullinen tuote esiteltiin 13. tammikuuta 1976 Kurzweilin ja Sokeiden kansallisen liiton johtajien johtamassa lehdistötilaisuudessa.

Vuonna 1978 Kurzweil Computer Products lanseerasi ensimmäisen kaupallisesti menestyneen OCR-tietokoneohjelman. Kaksi vuotta myöhemmin Kurzweil myi yrityksensä Xerox Corporationille, joka oli kiinnostunut OCR-järjestelmien kaupallistamisesta edelleen. Kurzweil Computer Productsista tuli Xeroxin tytäryhtiö, joka tunnetaan nimellä Scansoft.

Ensimmäinen ohjelma, joka tunnisti kyrilliset aakkoset, oli venäläisen OKRUS-yhtiön AutoR-ohjelma. Ohjelmaa alettiin levittää vuonna 1992, se toimi DOS - käyttöjärjestelmän alla ja tarjosi nopeuden ja laadun suhteen hyväksyttävän tunnistuksen jopa IBM PC / XT -henkilökohtaisissa tietokoneissa , joissa oli Intel 8088 -prosessori kellotaajuudella 4,77 MHz. 90- luvun alussa Hewlett-Packard toimitti skannerit Venäjän markkinoille AutoR-ohjelman kanssa. "AutoR"-algoritmi oli kompakti, nopea ja täysin "älykäs", eli todella fontista riippumaton. Tämän algoritmin kehittivät ja testasivat 60-luvun lopulla kaksi nuorta biofyysikkoa, Moskovan fysiikan ja tekniikan instituutin valmistuneita  - G. M. Zenkin ja A. P. Petrov. He julkaisivat tunnistusmenetelmänsä Biophysics-lehdessä numerossa 12, nro. 3 vuodelle 1967. Tällä hetkellä Zenkin-Petrov-algoritmia käytetään useissa sovellusjärjestelmissä, jotka ratkaisevat graafisten symbolien tunnistamisongelman. Algoritmiin perustuvan PenReader- tekniikan loi Paragon Software Group vuonna 1996 . G. M. Zenkin jatkoi PenReader-teknologian parissa työskentelemistä Paragon Software Groupissa [1] . Teknologiaa käytetään yrityksen samannimisessä tuotteessa [2] .

Vuonna 1993 julkaistiin venäläisen ABBYY :n tekstintunnistustekniikka . Sen pohjalta on luotu joukko yritysratkaisuja ja ohjelmia massakäyttäjille. Erityisesti ABBYY FineReader -tekstintunnistusohjelma , mobiililaitteiden tekstitietojen tunnistussovellukset ja ABBYY FlexiCapture -järjestelmä asiakirjojen ja tietojen suoratoistoon. ABBYY OCR -tekstintunnistusteknologioiden lisensoijia ovat kansainväliset IT-yritykset, kuten Fujitsu , Panasonic , Xerox , Samsung [3] , EMC ja muut.

OCR-tekniikan nykytila

Latinalaisten kirjainten tarkka tunnistus painetussa tekstissä on tällä hetkellä mahdollista vain, jos saatavilla on selkeitä kuvia, kuten skannatut tulostetut asiakirjat. Tarkkuus tällä ongelman muotoilulla ylittää 99%, absoluuttinen tarkkuus voidaan saavuttaa vain myöhemmällä ihmisen muokkauksella. Käsin kirjoitetun "painetun" ja tavallisen käsinkirjoitetun tekstin sekä muun muotoisen painetun tekstin (etenkin erittäin suurella määrällä merkkejä) tunnistamisongelmat ovat tällä hetkellä aktiivisen tutkimuksen kohteena.

Menetelmien tarkkuus voidaan mitata monella tapaa, ja siksi se voi vaihdella suuresti. Jos esimerkiksi etsittäessä olemattomia sanoja löytyy erikoissana, jota ei käytetä vastaavalle ohjelmistolle, virhe voi kasvaa.

Online-merkkien tunnistus sekoitetaan joskus optiseen merkintunnistukseen. Jälkimmäinen on offline-menetelmä, joka toimii staattisen tekstin esitysmuodon kanssa, kun taas online-merkintunnistus ottaa huomioon liikkeet kirjoittamisen aikana. Esimerkiksi verkkotunnistuksessa PenPoint OS:llä tai taulutietokoneella voit määrittää, kirjoitetaanko rivi oikealta vasemmalle vai vasemmalta oikealle.

Online-järjestelmät lennossa käsinkirjoituksen tunnistusta varten ovat viime aikoina tulleet laajalti tunnetuiksi kaupallisina tuotteina. Tällaisten laitteiden algoritmit käyttävät sitä tosiasiaa, että syöttölinjojen yksittäisten osien järjestys, nopeus ja suunta ovat tiedossa. Lisäksi käyttäjä oppii käyttämään vain tiettyjä kirjoitusmuotoja. Näitä menetelmiä ei voida käyttää ohjelmistoissa, jotka käyttävät skannattuja paperiasiakirjoja, joten käsinkirjoitetun "painetun" tekstin tunnistamisongelma on edelleen avoin. Kuvissa, joissa on käsin kirjoitettua "painettua" tekstiä ilman artefakteja, voidaan saavuttaa 80-90% tarkkuus, mutta sellaisella tarkkuudella kuva muunnetaan kymmenillä sivulla olevilla virheillä. Tällainen tekniikka voi olla hyödyllinen vain hyvin rajoitetuissa sovelluksissa.

Toinen laajasti tutkittu ongelma on käsinkirjoituksen tunnistus . Tällä hetkellä saavutettu tarkkuus on jopa pienempi kuin käsin kirjoitetulla "painetulla" tekstillä. Korkeampia pisteitä voidaan saavuttaa vain käyttämällä kontekstuaalista ja kielioppitietoa. Esimerkiksi tunnistuksen aikana kokonaisten sanojen etsiminen sanakirjasta on helpompaa kuin yksittäisten merkkien tunnistaminen tekstistä. Kielen kieliopin tunteminen voi myös auttaa määrittämään, onko sana verbi vai substantiivi. Yksittäisten käsin kirjoitettujen merkkien muodot eivät joskus välttämättä sisällä tarpeeksi tietoa koko käsialan tunnistamiseksi tarkasti (yli 98 %).

Monimutkaisempien tehtävien ratkaisemiseksi tunnistuksen alalla käytetään yleensä älykkäitä tunnistusjärjestelmiä, kuten keinotekoisia hermoverkkoja .

Tekstintunnistusjärjestelmien kalibrointia varten on luotu standardi MNIST- tietokanta , joka koostuu käsin kirjoitettujen numeroiden kuvista.

Muistiinpanot

  1. ↑ Uusi PenReader nyt saatavilla iPhonelle, iPod touchille ja iPadille . apps4all.ru. Haettu 1. helmikuuta 2016. Arkistoitu alkuperäisestä 13. elokuuta 2016.
  2. ↑ Venäläiset ovat julkaisseet käsinkirjoitussovelluksen iPhonessa ja iPadissa - CNews . Cnews.ru. Käyttöpäivä: 1. helmikuuta 2016. Arkistoitu alkuperäisestä 17. tammikuuta 2016.
  3. ↑ ABBYY opettaa Samsung Galaxy S4:n tunnistamaan kuvissa olevan tekstin . Haettu 3. kesäkuuta 2015. Arkistoitu alkuperäisestä 27. tammikuuta 2016.

Katso myös

Linkit

  Siirry Wikidata-kohteeseen  Sanakirjat ja tietosanakirjat
Bibliografisissa luetteloissa
 Optinen merkintunnistusohjelmisto
vapaa
Graafiset rajapinnat
omistusoikeus