Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2012-10-12T18:41:24Z
dc.date.available 2012-10-12T18:41:24Z
dc.date.issued 2007
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/22399
dc.description.abstract En la actualidad, el reconocimiento de texto manuscrito sigue siendo una fuente de intensa investigación. Este paper presenta una herramienta de software perteneciente al área de Reconocimiento Inteligente de Caracteres (ICR – Intelligent Character Recognition) para el reconocimiento de números enteros manuscritos. En ella se integra un clasificador basado en redes neuronales feedforward y un conjunto de técnicas pertenecientes al área de procesamiento de imágenes digitales que realiza las adaptaciones adecuadas sobre la imagen de entrada. De esta forma, se ingresa un número entero manuscrito formado por varios dígitos y se obtiene como resultado el reconocimiento de cada uno de los elementos que lo componen. Los resultados de la aplicación de esta herramienta sobre una base de números del repositorio UCI han sido satisfactorios. Es importante destacar que, si bien los resultados expuestos en este artículo se refieren exclusivamente al reconocimiento de números manuscritos, esta herramienta puede ser aplicada al conjunto de caracteres completo. Finalmente se incluyen algunas conclusiones así como algunas líneas de trabajo futuras. es
dc.description.abstract At present, handwritten text recognition still represents a wide source of research. This paper presents a software tool which belongs to the area of ICR (Intelligent Character Recognition) for the recognition of handwritten integers. A classifier based on feedforward neural networks and a set of techniques belonging to digital image processing area are incorporated to this tool, which make the suitable adaptations over the input image. In this way, a handwritten integer made up by several digits is entered and, as a result, the recognition of each of its elements is obtained. The results of applying this tool over a UCI repository number base have been successful. It is important to notice that, even though the results presented in this paper exclusively refer to handwritten number recognition, this tool can be applied to the complete set of characters. Finally, some conclusions are presented together with some future lines of work. en
dc.language es es
dc.subject Optical character recognition (OCR) es
dc.subject handwritten character recognition en
dc.subject Neural nets es
dc.subject preprocessing en
dc.subject Segmentation es
dc.subject image segmentation en
dc.subject reconocimiento de caracteres manuscritos es
dc.subject Preprocessors es
dc.subject preprocesamiento es
dc.subject segmentación de imágenes es
dc.title Reconocimiento de Números Manuscritos es
dc.type Objeto de conferencia es
sedici.creator.person Garbi, José Luis es
sedici.creator.person Mercado, Paula es
sedici.creator.person Lanzarini, Laura Cristina es
sedici.creator.person Russo, Claudia Cecilia es
sedici.description.note V Workshop de Computación Gráfica, Imágenes Y Visualización es
sedici.subject.materias Ciencias Informáticas es
sedici.subject.materias Informática es
sedici.description.fulltext true es
mods.originInfo.place Red de Universidades con Carreras en Informática es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
sedici.relation.event XIII Congreso Argentino de Ciencias de la Computación es
sedici.description.peerReview peer-review es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)