Автоматическое распознание текстов

В целом он обладает теми же рабочими характеристиками, что и классификатор, отличаясь лишь несколько меньшей скоростью распознавания. Другая частная разновидность, дифференциальный признаковый классификатор, служит для различения внешне сходных объектов, таких как ь и ъ, m и rn и исследует только области изображения, дающие необходимые сведения для выбора одного из вариантов. Это целыйнабор признаковых классификаторов на основе эталонов для каждой «спорной» пары символов. Такой классификатор дает крайне высокую точность распознавания, но построение эталонов оказывается чрезмерно трудоемким, а скорость обработки изображения – низкой. Функция структурного классификатора – проверка гипотез о данном символе, полученных в результате работы прочих классификаторов, и он применяется в случае, если различные классификаторы дают разные, но сопоставимые гипотезы о символе. Таким образом, осуществляется структурирование гипотез, и происходит переход к их словарной проверке.Поскольку ни один словарь не может включать все возможные словоформы какого-либо языка, в системе ABBYY, помимо богатой базы проверочных словарей, существует и так называемая модель «несловарное слово», позволяющая распознавать слово, опираясь лишь на его написание. Кроме того, словари для всех поддерживаемых программой языков морфологически структурированы, т.е. могут самостоятельно образовывать формы слова, что позволяет осуществлять словарную проверку более 98 % словоформ.После того как все слова прошли этап проверки, осуществляется синтез документа по принципу «снизу вверх»: слова соединяются в строки, а строки в объекты высших уровней (колонки, абзацы, текстовые блоки»). Готовый документ выводится на экран для сопоставления с исходным изображением и возможной редакции.Заключение. Проблемы и перспективы развития технологии распознавания текстаЕстественно, одна из ключевых задач дальнейшего развития технологии OCR заключается в повышении ее эффективности, т.е. снижении временных затрат, увеличении точности, упрощении процедуры обработки текста.Для достижения высокой точности распознавания конкретного шрифта системы нуждаются в калибровке на некотором наборе символов-эталонов. Современные самообучающиеся программы легко распознают большинство печатных шрифтов, Но одна из расширяющихся сфер применения автоматического распознавания текста – оцифровка старого библиотечного фонда, в первую очередь, старопечатных книг и рукописей, а редкие, уникальные, старинные шрифты по-прежнему представляют сложную задачу для классификаторов.Точность распознавания текста зависит от качества изображения. Но даже в случае четкой скан-копии текста, набранного латиницей, при точности выше 99%, требуется редактирование итогового документа человеком. Если же изображение низкого качества (например, получено при сканировании текста из дореволюционной книги со следами износа от времени), то точность удается довести до 98% лишь при использовании словаря и машинного обучения, что увеличивает затраты времени.Другой важной задачей является усовершенствование программ распознавания рукописного текста. Первые системытакого рода возникли с появлением карманных компьютеров в 90-х годах прошлого века, однако достигнутая до сих пор точность распознавания недостаточно высока,посколькупочерк каждого человека отличается индивидуальными особенностями. Потребность в быстром и точном распознавании символов, написанных от руки, возникает и при обработке большого количества однотипных документов-форм, в частности, заполненных налоговых деклараций. Поскольку символы в данном случае более единообразны, так как представляют собой рукописные печатные буквы, для оптимизации этого процесса и калибровки программы могут создаваться стандартные базы данных, подобные MNIST (набор рукописных изображений цифр).В последние годы широкое распространение получили и онлайн-системы распознавания рукописного текста в режиме реального времени, но они опираются на типичные скорость, направление и порядок написания линий-элементов рукописных графем, при этом имеют точность не выше 90% и потому имеют ограниченное применение и непригодны для работы с готовыми документами. Таким образом, повышение точности распознавания как печатных, так и рукописных текстов, как при распознавании готового изображения, так и непосредственно в процессе их создания – одно из приоритетных направлений развития OCR-систем.Кроме того, оптическое распознавание текста, наряду с распознаванием образов – необходимый компонент активно разрабатывающихся в настоящее время систем компьютерного зрения, необходимых и для развития роботехники, и для создания компенсирующих функции органов зрения устройств для слепых и слабовидящих. Достижение максимальной точности, исключительное быстродействие, эволюция новых практических приложений – задачи, стоящиепередOCR-разработчиками на ближайшее будущее.ЛитератураSchantz, Herbert F. (1982). The history of OCR, optical character recognition. [Manchester Center, Vt.]: Recognition TechnologiesUsersAssociation.Автоматическая обработка текстов на естественном языке и компьютерная лингвистика : учеб.пособие / Большакова Е.И., Клышинский Э.С., Ландэ Д.В., Носков А.А., Пескова О.В., Ягунова Е.В. — М.: МИЭМ, 2011. — 272 с.Баранов А.Н. Введение в прикладную лингвистику: учеб.пособие. 3-е изд.– М.: ЛКИ, 2007.Щипицина Л .Ю. Информационные технологии в лингвистике : учеб. пособие / Л.Ю. Щипицина. — М. : ФЛИНТА : Наука, 2013 —128 с.