Программный комплекс для анализа текстов на изображениях и их преобразования в документ на основе машинного обучения

В данной статье рассматривается проблема оптического распознавания символов (OCR) и методы его улучшения с использованием технологий глубокого обучения и постобработки. Особое внимание уделено применению различных алгоритмов, таких как сверточные нейронные сети (CNN), для повышения точности распозна...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Современные инновации, системы и технологии Jg. 5; H. 2; S. 5011 - 5020
Hauptverfasser:	Пардаев, Д., Сидиков, С.
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Siberian Scientific Centre DNIT 30.05.2025
Schlagworte:	оптическое распознавание символов (OCR), глубокое обучение, постобработка, сверточные нейронные сети (CNN), коррекция ошибок, автоматическое преобразование изображений в текст, интеллектуальные системы, обработка изображений
ISSN:	2782-2826, 2782-2818
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	В данной статье рассматривается проблема оптического распознавания символов (OCR) и методы его улучшения с использованием технологий глубокого обучения и постобработки. Особое внимание уделено применению различных алгоритмов, таких как сверточные нейронные сети (CNN), для повышения точности распознавания текста. Также рассматриваются современные подходы к интеграции OCR-систем с другими интеллектуальными системами, а также методы коррекции ошибок в процессе распознавания. В статье представлена подробная методология и результаты экспериментов, подтверждающие эффективность предложенных решений. Целью работы является создание системы для автоматического преобразования изображений в текстовый формат с минимальными ошибками, что может быть полезно в различных областях, включая медицинские исследования, архивирование документов и обработку изображений.
ISSN:	2782-2826 2782-2818
DOI:	10.47813/2782-2818-2025-5-2-5011-5020