Bücher von Abhay Lengare

Au cours des cinquante dernières années, la reconnaissance des caractères anglais a été étudiée et les résultats ont été tels qu'ils ont permis de produire des applications technologiques. Mais la même approche ne peut pas être utilisée dans le cas des langues indiennes en raison de la nature de la complication en termes de structure et de calcul. "L'hindi, la langue nationale de l'Inde (écrite en Devanagri), est la troisième langue la plus populaire au monde après le chinois et l'anglais. La reconnaissance des caractères manuscrits Devanagri trouve de nombreuses applications dans différents domaines tels que la lecture d'adresses postales et de chèques par voie électronique. Plusieurs systèmes de reconnaissance de chiffres manuscrits ont été proposés et développés au cours des dernières décennies. Mais la robustesse et la précision de ces systèmes restent problématiques en raison de la diversité des modèles d'écriture, de la taille, de l'inclinaison, de l'encre et du style d'écriture. Cet article propose donc une nouvelle approche pour la reconnaissance des chiffres manuscrits Devanagari, basée sur des caractéristiques structurelles globales et locales. Un classificateur de réseau neuronal probabiliste (PNN) est utilisé pour classer les chiffres Devanagari séparément.

Nell'ultimo mezzo secolo è stato studiato il riconoscimento dei caratteri inglesi e i risultati sono stati tali da produrre applicazioni tecnologiche. Ma lo stesso approccio non può essere utilizzato nel caso delle lingue indiane a causa della natura complicata della struttura e del calcolo. "L'hindi, la lingua nazionale indiana (scritta in caratteri devanagri), è la terza lingua più diffusa al mondo dopo il cinese e l'inglese. Il riconoscimento dei caratteri manoscritti Devanagri trova numerose applicazioni in diversi campi, come la lettura degli indirizzi postali e degli assegni elettronici. Negli ultimi decenni sono stati proposti ed evoluti diversi sistemi di riconoscimento di numeri scritti a mano. Ma la robustezza e l'accuratezza di questi sistemi sono ancora un problema a causa della varietà di modelli di scrittura, dimensioni, inclinazione, inchiostro e stile di scrittura. In questo lavoro viene quindi proposto un nuovo approccio per il riconoscimento dei numeri scritti a mano in Devanagari, basato su caratteristiche strutturali globali e locali. Il classificatore PNN (Probabilistic Neural Network) viene utilizzato per classificare separatamente i numeri Devanagari.

No último meio século, o reconhecimento de caracteres ingleses foi estudado e os resultados foram de tal ordem que podem produzir aplicações tecnológicas. Mas a mesma abordagem não pode ser utilizada no caso das línguas indianas devido à natureza da complicação em termos de estrutura e de cálculo. O "hindi", a língua nacional da Índia (escrita em escrita Devanagri), é a terceira língua mais popular do mundo, a seguir ao chinês e ao inglês. O reconhecimento de caracteres manuscritos Devanagri tem muita aplicação em diferentes domínios, como a leitura de endereços postais e a leitura eletrónica de cheques. Nas últimas décadas, foram propostos e desenvolvidos vários sistemas de reconhecimento de números manuscritos. Mas a robustez e a precisão desse sistema continuam a ser um problema devido à variedade de padrões de escrita, tamanho, inclinação, tinta e estilo de escrita. Assim, neste documento, é proposta uma nova abordagem para o reconhecimento de números manuscritos Devanagari com base em características estruturais globais e locais. O classificador de rede neural probabilística (PNN) é utilizado para classificar separadamente os algarismos Devanagari.

En la última mitad del siglo pasado, se estudió el reconocimiento de caracteres ingleses y los resultados fueron de tal tipo que puede producir aplicaciones impulsadas por la tecnología. Pero el mismo enfoque no se puede utilizar en el caso de las lenguas indias debido a la naturaleza de la complicación en términos de estructura y cálculo. "El hindi, la lengua nacional de la India (escrita en devanagri), es la tercera lengua más popular del mundo después del chino y el inglés. El reconocimiento de caracteres manuscritos devanagri tiene muchas aplicaciones en distintos campos, como la lectura de direcciones postales o la lectura electrónica de cheques. En las últimas décadas se han propuesto y desarrollado varios sistemas de reconocimiento de números manuscritos. Sin embargo, la robustez y precisión de estos sistemas sigue siendo un problema debido a la variedad de patrones de escritura, tamaño, inclinación, tinta y estilo de escritura. En este artículo se propone un nuevo enfoque para el reconocimiento de números manuscritos en devanagari basado en características estructurales globales y locales. Se utiliza un clasificador de red neuronal probabilística (PNN) para clasificar los numerales devanagari por separado.

Im letzten halben Jahrhundert wurde die Erkennung englischer Schriftzeichen untersucht, und die Ergebnisse waren von solcher Art, dass sie technologiegetriebene Anwendungen hervorbringen können. Der gleiche Ansatz kann jedoch nicht für indische Sprachen verwendet werden, da die Struktur und die Berechnungen komplizierter sind. "Hindi", die Landessprache Indiens (geschrieben in der Devanagri-Schrift), ist nach Chinesisch und Englisch die drittbeliebteste Sprache der Welt. Die Erkennung handgeschriebener Devanagri-Zeichen findet in verschiedenen Bereichen Anwendung, z. B. beim Lesen von Postadressen und elektronischen Schecks. In den letzten Jahrzehnten wurden mehrere Systeme zur Erkennung handgeschriebener Ziffern vorgeschlagen und weiterentwickelt. Aber die Robustheit und Genauigkeit eines solchen Systems ist aufgrund der Vielfalt von Schriftmustern, Größe, Neigung, Tinte und Schreibstil immer noch ein Problem. In dieser Arbeit wird daher ein neuartiger Ansatz für die Erkennung von handgeschriebenen Devanagari-Ziffern auf der Grundlage globaler und lokaler Strukturmerkmale vorgeschlagen. Ein probabilistisches neuronales Netzwerk (PNN) wird verwendet, um die Devanagari-Ziffern separat zu klassifizieren.

In the last half century, the English character recognition was studied and the results were of such type that¿s it can produce technology driven applications. But the same approach cannot be used in case of Indian languages due to the nature of complication in terms of structure and computation. ¿Hindi¿ the national language of India (written in Devanagri script) is world¿s third most popular language after Chinese and English. Devanagri handwritten character recognition has got lot of application in different fields like postal address reading, cheques reading electronically. There are several Handwritten numeral recognition have been proposed and evolved during last few decades. But robustness and accuracy of such system is still a issue due to variety of writing patterns, size, slant, ink, and writing style. So In this paper, a novel approach for Devanagari handwritten numerals recognition based on global and local structural features is proposed. Probabilistic Neural Network(PNN) Classifier is used to classify the Devanagari numerals separately.