Handwriting recognition has beenone

Handwriting recognition has been
one of the most fascinating and challenging research areas in
field of image processing and pattern recognition in the recent
years. Offline recognition is performed on a scanned image of
handwriting and thus contains no temporal data. In general,
handwriting recognition is classified into two types as off-line
and on-line handwriting recognition methods. In the off-line
recognition, the writing is usually captured optically by a
scanner and the full text is available as an image therefore
it contains no temporal data. Some existing techniques are
fusion based segmentation method [7]. In this approach,
over segmentation of words from text based on pixel density
between upper and lower base line with multiple expert
base validation for character recognition and classification
has been developed. Slant and skew errors are neglected in
this approach. In K-nearest neighbor [9] technique, feature
extraction depends on Euclidean distance between testing
point and reference point. Which is used to calculate KNN
neighbor. This method could classify images containing single
characters. In N-gram [1], training is done on text corpus and
character can be recognized belonging to this corpus only.
We propose a system which could extract characters from
running text.

ผลลัพธ์ (ไทย) 1:

การรู้จำลายมือได้หนึ่งในที่สุดเสน่ห์ และความท้าทายงานวิจัยในการประมวลผลและรูปแบบการจดจำภาพในการล่าปี แบบออฟไลน์การดำเนินการในภาพที่สแกนของลายมือจึง มีข้อมูลชั่วคราวไม่ ทั่วไปการรู้จำลายมือจะแบ่งออกเป็นสองชนิดเป็นออฟไลน์และวิธีการรู้จำลายมือง่ายดาย ในแบบออฟไลน์การรับรู้ การเขียนมักจะจับภาพ optically โดยการสแกนเนอร์และเต็มจึงเป็นภาพนั้นไม่มีข้อมูลชั่วคราว เทคนิคบางอย่างที่มีอยู่อาหารตามวิธีการแบ่งเซ็กเมนต์ [7] ในวิธีการนี้ผ่านแบ่งคำจากข้อความที่ขึ้นอยู่กับความหนาแน่นของพิกเซลระหว่างบรรทัดฐานบน และล่างมีผู้เชี่ยวชาญหลายตรวจสอบพื้นฐานสำหรับอักขระและการจัดประเภทได้รับการพัฒนา เอียงและข้อผิดพลาดต้นฉบับเอียงอัตโนมัติมีที่ไม่มีกิจกรรมในวิธีการนี้ ในเทคนิค [9] K ใกล้บ้าน คุณลักษณะสกัดขึ้นอยู่กับแบบยุคลิดระหว่างทดสอบจุดและจุดอ้างอิง ซึ่งใช้ในการคำนวณ KNNเพื่อนบ้าน วิธีนี้สามารถแบ่งประเภทภาพเดียวที่ประกอบด้วยตัวอักษร ใน N-กรัม [1], ฝึกอบรมเสร็จในคลังข้อความ และอักขระการรับรู้ของคอร์พัสครินี้เท่านั้นเรานำเสนอระบบที่สามารถแยกตัวจากเรียกใช้ข้อความ

ผลลัพธ์ (ไทย) 2:

เขียนด้วยลายมือที่ได้รับมากที่สุดแห่งหนึ่งที่น่าสนใจและมีความท้าทายด้านการวิจัยในด้านการประมวลผลภาพและการจดจำรูปแบบล่าสุดในปีที่ผ่านมา ได้รับการยอมรับออฟไลน์จะดำเนินการในภาพสแกนของการเขียนด้วยลายมือและทำให้ไม่มีข้อมูลชั่วคราว โดยทั่วไปการเขียนด้วยลายมือแบ่งออกเป็นสองประเภทเป็นแบบ off-line และ On-line วิธีการเขียนด้วยลายมือ ในการปิดสายการรับรู้การเขียนมักจะถูกจับโดยแสงสแกนเนอร์และข้อความเต็มสามารถใช้ได้เป็นภาพจึงจะมีข้อมูลไม่ชั่วขณะ บางเทคนิคที่มีอยู่จะฟิวชั่นวิธีการแบ่งส่วนตาม [7] ในวิธีนี้มากกว่าการแบ่งส่วนของคำจากข้อความขึ้นอยู่กับความหนาแน่นของพิกเซลระหว่างบนและเส้นฐานที่ต่ำกว่าด้วยผู้เชี่ยวชาญหลายการตรวจสอบฐานสำหรับการรู้จำตัวอักษรและการจัดหมวดหมู่ได้รับการพัฒนา ข้อผิดพลาดที่ลาดเอียงและถูกทอดทิ้งในวิธีการนี้ เพื่อนบ้านที่ใกล้ที่สุด K-[9] เทคนิคคุณลักษณะการสกัดขึ้นอยู่กับระยะทางยุคลิดระหว่างการทดสอบจุดและจุดอ้างอิง ซึ่งจะใช้ในการคำนวณ KNN เพื่อนบ้าน วิธีการนี้สามารถจำแนกภาพเดียวที่มีตัวอักษร ใน N-กรัม [1] การฝึกอบรมจะทำในคลังข้อความและตัวละครที่ได้รับการยอมรับเป็นของคลังนี้เท่านั้น. เราเสนอระบบที่สามารถดึงตัวละครจากการทำงานข้อความ

ผลลัพธ์ (ไทย) 3:

เขียนด้วยลายมือได้
หนึ่งในที่สุดที่น่าสนใจและท้าทายพื้นที่ในเขตของการวิจัย
การประมวลผลภาพและรูปแบบในปีล่าสุด

ครับยอมรับแสดงบนภาพที่สแกนของ
ลายมือและดังนั้นจึงไม่มีข้อมูลชั่วคราว โดยทั่วไป
ลายมือได้แบ่งออกเป็น 2 ประเภท แบบ
และวิธีการเขียนด้วยลายมือทางออนไลน์ในการรับรู้แบบ
, การเขียนมักจะจับด้านข้างโดย
สแกนเนอร์และข้อความเต็มสามารถใช้ได้เป็นภาพดังนั้น
มันไม่มีข้อมูลชั่วคราว รวมเทคนิค
ฟิวชั่นตามวิธีการแบ่งส่วน [ 7 ] ในวิธีนี้มากกว่าการตัดคำพูด

ข้อความที่ขึ้นอยู่กับความหนาแน่นของพิกเซลระหว่างส่วนบนและล่างมีผู้เชี่ยวชาญหลาย
เส้นฐานฐานการตรวจสอบสำหรับการรู้จำตัวอักษรและการจำแนก
ได้รับการพัฒนา เอียงและข้อผิดพลาดทำให้ละเลยใน
วิธีนี้ ในการเพื่อนบ้านใกล้ที่สุด [ 9 ] เทคนิคการสกัดคุณลักษณะ
ขึ้นอยู่กับระยะทางแบบยุคลิดระหว่างจุดทดสอบ
และจุดอ้างอิง ซึ่งจะใช้ในการคำนวณ knn
เพื่อนบ้าน วิธีนี้สามารถจำแนกภาพที่มีตัวอักษรเดียว

ใน n-gram [ 1 ]ฝึกเสร็จในคลังข้อความและ
ตัวละครสามารถรับรู้เป็นของสะสมเท่านั้น
เราเสนอระบบซึ่งสามารถสกัดตัวละครจาก
วิ่งข้อความ