پاورپوینت تشخیص دست خط (OCR) (pptx) 39 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 39 اسلاید
قسمتی از متن PowerPoint (.pptx) :
تشخیص دست خط (
OCR
)
1
مقدمه
اگر
ما متنی را روی کاغذ داشته باشیم و بخواهیم عین متن را بدون تایپ
کردن وارد
کامپیوتر
كنيم
چکار باید بکنیم؟ ما به وسیله
«اسكنر»
می توانیم
تصوير
ی
از آن متن را وارد
کامپیوتر
كن
یم
،
اما این فقط یک تصویر است و نمی توان روی آن پردازش انجام داد.
در واقع
«
تصوير ديجيتالشده
»
بايد به
«
تصوير قاب
ل
پردازش
»
تبدیل
شود
پردازش و آنالیز تصاویر میتواند به عنوان یک ساختار کاربردی و تکنیکی جهت تسخیرکردن، تصحیح کردن، زیاد کردن و تغییر شـکل دادن تصاویری که مشاهده می شود تعریف کرد.
2
موضوع
یک سیستم
OCR
به ما این امکان را می دهد که یک کتـاب و یا یک مقاله را مستقیما به یک فایل الکترونیکی تبدیل نماییم و آن
را
با کمک
یک پردازشگر
تغییر دهیم این
تکنولوژی
مدتهاست که به وسیله کتابخانه ها وسازمان هـای دولتـی بـرای دسـتیابی الکترونیکـی سریع به مدارک حجیم به کارمی رود و از لحاظ سرعت و هزینـه روش
مناسبی است .
OCR
از معدود زمینه های هوش مصنوعی است که میتوان در عمل به آن تکیه
کرد.
3
تاريخچه سيستم
هاي
OCR
اولين اقدامات صورت گرفته در زمينة بازشناسي حروف,
در سال
هاي اول
دهه 1900
انجام گرفته است که
دانشمندان روسي مي خواستند به افراد مبتلا به نارسايي
هاي بينايي كمك نمايد
.
در
ســـال
1929
در آلمـــان و در ســـال
1933
در
آمریکا ابداعاتی در
زمینه
OCR
ثبت
نمودند
اینها
اولین ایده ها ی شناسای ی حروف
هستند
.
اولین کامپیوتر
تجـار
ی در سال
1951
در آمریکا شروع به کار کـرد. در ایـن زمـان بـود کـه
ایـده
OCR
به عنوان یک پدیده قابل پیاده سازی
پذیرفته شد
.
4
در اوايل دهه
90،
روش
هاي پردازش تصوير و بازشناسي الگو با تكنيك
هاي كارآمد هوش مصنوعي ادغام گشتند.
امروزه علاوه بر وجود رايانه
هاي قدرتمندتر و تجهيزات الكترونيكي دقيق
تر مانند اسكنرها، دوربين
ها و صفحات رقمي
كننده، استفاده از تكنيك
هاي پردازشي مدرن و توانمند همچون شبكه
هاي عصبي ، مدل
هاي ماركوف پنهان ، منطق
فازي، و مدل
هاي پردازش زبان طبيعي امكان
پذير گشته
است
.
5
OCR
انواع
6
Black Box
جعبه سیاه
7
8
تصویری درباره نحوه استفاده
از
OCR
تکنولوژی
9
ساختار
سلسله مراتبي
آن
DIA
مبح
ث
بازشناس
ي
نور
ي
حروف
(
OCR
)
10