Gamera. Uma estrutura de programação de reconhecimento de documentos.
Baixe Agora

Gamera. Classificação e resumo

Gamera. Tag

programação estrutura de programação Análise de documentos Reconhecimento de documentos Gamera

Gamera. Descrição

Um quadro de programação documento de reconhecimento. projeto Gamera é uma estrutura para a criação de aplicações estruturados de análise de documentos por peritos do domínio. Especialistas de domínio são indivíduos que têm um forte conhecimento dos documentos em uma coleção, mas pode não ter um objetivo background.The técnica formal é criar uma ferramenta que utiliza seu conhecimento dos documentos de destino para criar aplicativos personalizados ao invés de tentar atender diversificada requisitos com um papel application.This monolítica dá uma visão geral da arquitetura e design princípios de Gamera.Developing sistemas de reconhecimento de documentos históricos difíceis requer experimentação já que a solução é muitas vezes não é óbvio. Portanto, o objetivo principal da Gamera é apoiar um desenvolvimento test-and-refinar eficiente cycle.Virtually cada detalhe de implementação é impulsionado por este objetivo. Por exemplo, Python foi escolhida como a linguagem principal causa de suas capacidades de introspecção, tipagem dinâmica e facilidade de uso. Ela tem sido usada como uma primeira linguagem de programação com considerável sucesso .C ++ é usado para plugins de gravação onde o desempenho de tempo de execução é uma prioridade, mas, mesmo nesse caso, o sistema de plugins Gamera é projetado para tornar a escrita extensões tão fácil quanto possível. Gamera inclui uma interface gráfica de usuário completo que fornece uma série de atalhos para a formação, bem como a inspeção dos resultados de algoritmos em cada step.By melhorando a facilidade de experimentação, esperamos colocar o poder para desenvolver sistemas de reconhecimento com os que compreendem os documentos melhor. Esperamos que pelo menos dois tipos de desenvolvedores para trabalhar com o sistema: aqueles com uma formação técnica adicionando algoritmos para o sistema, e aqueles que trabalham na agregação de nível superior dessas peças. É importante notar esta distinção, uma vez que esses grupos representam diferentes conjuntos de habilidades e além requirements.In ao seu apoio ao desenvolvimento test-and-refinar, Gamera também tem várias outras vantagens que são importantes para projectos de digitalização em grande escala em geral. Estes são: · código-fonte aberto e padrões de conformidade de modo que o software pode interagir bem com outras partes de um quadro de digitalização · Independência de plataforma, rodando em uma variedade de sistemas operacionais, incluindo Linux, Microsoft Windows e Mac OS-X · Um fluxo de trabalho do sistema para combinar tarefas de alto nível · O processamento em lote · Um quadro para garantir a correção e regressão evitar · componentes de interface do usuário para o desenvolvimento e formação classificador · saída de confiança Reconhecimento para que os gestores de cobrança pode facilmente alvo documentos que as estratégias de correção de necessidade ou de reconhecimento diferentes de testes de unidade. Gamera tem uma arquitetura plug-in modular. Estes módulos normalmente executam uma das tarefas de reconhecimento de cinco documentos: 1. Pré-processamento2. segmentação de documentos e análise3. segmentação símbolo e classification4. analysis5 sintático ou estrutural. OutputEach destas tarefas podem ser arbitrariamente complexa, envolve várias estratégias ou módulos, ou ser removido completamente, dependendo do problema reconhecimento específico na mão. Os passos reais que constituem um sistema de reconhecimento completo são completamente controlada pelo processamento user.Pre envolve operações de processamento de imagem padrão tais como remoção de ruído, ofuscamento, de inclinar-, ajuste de contraste, nitidez, binarizao, e morfologia. Fechar a atenção e refinamento destes passos é particularmente importante quando se trabalha com documentos históricos degradados. O que há de novo nesta versão: · Encaixes to_numpy e from_numpy adicionado para suporte de numpy; os módulos numéricos e numarry obsoletos foram substituídos por numpy · Destaque também trabalha com escala de cinzentos e imagens OneBit · Função de redimensionamento corrigido no VIGRA · O classificador KNN pode agora voltar medidas de confiança diferentes para a página id que são selecionáveis pelo usuário. Consulte a documentação do classificador API para mais detalhes. · KNN classificador agora funciona como esperado quando k> 1; até agora, ID_NAME foi classificado por confiança, o que significava que sempre o mais distante entre os k vizinhos mais próximos foi devolvido como main_id · Agora compila com Python 2.6 (graças a Prapat Suriyaphol)

Gamera. Software Relacionado