ऑफ़लाइन निरंतर लिखावट मान्यता

प्रस्तावना

जैसा कि आप जानते हैं, ऑफ लाइन मोड में निरंतर हस्तलिखित पाठ को पहचानने का कार्य अभी भी अनसुलझा है।

मैं इस समस्या को सैद्धांतिक और व्यावहारिक रूप से हल करने में कामयाब रहा। व्यावहारिक भाग अब कार्यक्रम के डेमो संस्करण जैसा दिखता है। समाधान सामान्य है, यह अनुप्रयोग, भाषा या शब्दकोश आकार के किसी भी क्षेत्र तक सीमित नहीं है।

कार्यक्रम के बारे में

कार्यक्रम पूरी तरह से प्रशिक्षित है। सीखने की प्रक्रिया सरल लगती है: आप ऑन-लाइन मोड में वर्ण लिखते हैं, कार्यक्रम उन्हें सामान्यीकृत करता है और लेखन एल्गोरिथ्म पर प्रकाश डालता है। यह प्रशिक्षण का पहला चरण है। ऑपरेशन के दौरान दूसरा चरण होता है। यदि कोई ऐसा वर्ण पाया जाता है जिसका सामान्य वर्तनी एल्गोरिथम उपलब्ध लोगों में से एक से मेल खाता है, और कुछ गुणों के मान पहले चरण में गणना की गई सीमाओं से परे जाते हैं, तो श्रेणियाँ विस्तृत होती हैं। बेशक, उपयोगकर्ता द्वारा सामान्य मान्यता परिणाम की पुष्टि करने के बाद ही। वैसे, पहले चरण में, प्रतीक की तीन से सात प्रस्तुतियां पर्याप्त हैं, और एल्गोरिथ्म तैयार है।

सिद्धांत

सिद्धांत के बारे में थोड़ा। इस समस्या को हल करने के लिए कई दृष्टिकोण हैं। उन्हें आमतौर पर दो प्रकारों में विभाजित किया जाता है: संरचनात्मक और संदर्भ। पहला प्रतीक के विभिन्न संरचनात्मक तत्वों के चयन और विश्लेषण और उनके संकेतों, गुणों पर आधारित है। दूसरे में परिभाषित पैटर्न के एक सेट के साथ एक पहचानने योग्य चरित्र की तुलना करना शामिल है। ये तरीके सामान्य तरीके से समस्या को हल करने की अनुमति नहीं देते हैं।

ऑन-लाइन लिखावट कार्य पूरी तरह से और सफलतापूर्वक हल किया गया है। यह समाधान किसी भी स्थिति में, चरित्र लेखन एल्गोरिदम के निर्माण पर आधारित है, जो पेन के प्रक्षेपवक्र को ध्यान में रखते हैं। यही है, इसके निर्देशांक बदलने का क्रम। ऑन-लाइन मोड में मान्यता के लिए ऑफ-लाइन मोड में मान्यता समस्या को कम करने के लिए सुझाव दिए गए थे। ऐसा करने के लिए, यह पाठ की ग्राफिक प्रति से लाइनों को सही ढंग से पढ़ने के लिए पर्याप्त है। लेकिन ऐसा करना मूलभूत रूप से असंभव है। चौराहों के बीच लाइन सेगमेंट पर विचार किया जा सकता है, लेकिन उन्हें सही ढंग से जोड़ने के लिए व्याख्या की आवश्यकता होती है।

केवल एक ही समाधान है - पाठ की डिजिटल ग्राफिक कॉपी से पढ़ने के चरण में प्राप्त खंडों की व्याख्या करने की प्रक्रिया में पात्रों को पुनर्स्थापित करना। इसके लिए दो घटकों की आवश्यकता होती है: प्रतीक वर्तनी एल्गोरिथ्म का एक विशेष प्रतिनिधित्व जो इसे करने की अनुमति देता है, और एक खंड व्याख्या एल्गोरिथ्म सभी संभव व्याख्याओं का विश्लेषण करने में सक्षम है।

अभ्यास

हम यह पूरी तरह से करने में कामयाब रहे। जैसा कि आप जानते हैं, डेमो संस्करण का मुख्य कार्य कार्य के लिए एक मौलिक समाधान प्रदर्शित करना है। इस अर्थ में अब कौन सा प्रोटोटाइप उपलब्ध है? कार्यक्रम श्वेत पत्र पर मनमाने ढंग से लिखावट में लिखे एक शब्द को पहचानने में सक्षम है। डिजिटल फ़ाइल में अनुवाद के लिए, शब्द को वेब कैमरा या डिजिटल कैमरा के साथ स्कैन या फोटोग्राफ किया जा सकता है। सिद्धांत रूप में, पाठ मान्यता पहले ही की जा चुकी है, लेकिन इस फ़ंक्शन को परिष्कृत करने की आवश्यकता है।

निम्नलिखित पहचानने योग्य शब्दों के उदाहरण हैं। जैसा कि आप देख सकते हैं, यहां न केवल सामान्य वर्तनी है, बल्कि "जटिल" विकल्प भी हैं: पार किए गए शब्द, खंडों में लिखे गए वर्ण, अतिरिक्त भागों और पसंद है। इससे पता चलता है कि पूरी तरह से समाप्त रूप में कार्यक्रम काफी शोर ग्रंथों को पहचानने में सक्षम होगा।









जाहिर है, केवल उन प्रतीकों को जिनके लगभग सभी स्थानों में आवश्यक भाग हैं, आत्मविश्वास से पहचाने जा सकते हैं। यदि लापता या गंभीर रूप से विकृत भाग हैं, तो शब्दों के स्तर पर व्याख्या आवश्यक है। एक शब्दकोश की उपस्थिति मान्यता दर को बढ़ाती है, लेकिन सभी समस्याओं को हल नहीं करती है। ऐसे मामले हैं, जब वाक्यांश के अर्थ को समझने के बिना, कुछ शब्दों को स्पष्ट रूप से व्याख्या नहीं किया जा सकता है। इसके लिए एक कृत्रिम बुद्धिमत्ता प्रणाली की आवश्यकता होती है जो प्राकृतिक भाषा के वाक्यांशों के अर्थ को समझ सके। कुछ समय पहले तक, बाजार पर ऐसी प्रणालियों की उपलब्धता के बारे में कोई जानकारी नहीं थी। अब यह पहले से ही वहां है: एबीबीवाई ने कंप्रेनो प्रणाली के निर्माण की घोषणा की, जो "दुनिया के मॉडल" के आधार पर वाक्यांशों की अर्थपूर्ण व्याख्या का उपयोग करती है , जो अनुवाद के लिए एक विशिष्ट भाषा से स्वतंत्र है।

मेरे पास एक प्रोटोटाइप एआई सिस्टम भी है जो पाठ के अर्थ को समझ सकता है। कंप्रेनो के बारे में जानकारी के आधार पर, जो अब मीडिया में है, मेरा सिस्टम कार्यात्मक रूप से बहुत व्यापक है। वह प्रशिक्षित है, जानकारी को सामान्य करने में सक्षम है और सक्रिय रूप से मामले में ज्ञान की खोज कर रही है जब वे कार्य को पूरा करने के लिए पर्याप्त नहीं हैं। दूसरे शब्दों में, ऐसी प्रणाली व्यक्तिगत सचिव के रूप में काम करने में काफी सक्षम है। लेकिन कंप्रिनो की तुलना में इसका एक गंभीर दोष है - सामान्य तत्परता के संदर्भ में, यह अभी भी डेमो संस्करण तक नहीं पहुंचता है।

व्यापार

और अंत में, परियोजना के वाणिज्यिक पक्ष के बारे में थोड़ा। इंटरनेट पर ABBYY Lingvo Aram Pakhchanyan के उपाध्यक्ष के साथ एक साक्षात्कार है । ऑफ-लाइन मोड में निरंतर हस्तलिखित पाठ को पहचानने के कार्य के बारे में, यह वास्तव में कहता है कि इस समस्या को हल करने की आवश्यकता नहीं है। इसके समाधान की लागत (संभवतः बहुत बड़ी) बंद का भुगतान नहीं करेगी। और, ऐसा लगता है, मुख्य रूप से क्योंकि निरंतर लेखन कंपनी एबीबीवाई लिंग्वो ने लगभग अप्रासंगिक बना दिया है। उसने अलग-अलग हस्तलिखित पाठ को पहचानने की समस्या को पूरी तरह से हल कर दिया, और सभी अवसरों के लिए उपयुक्त रूपों को विकसित किया।

शायद यह एक मजाक था। लेकिन फिर भी, यह निम्नलिखित कहने के लिए समझ में आता है। बक्से में पत्र लिखने की तुलना में सामान्य निरंतर लिखावट में लिखना अधिक सुविधाजनक और आसान है। यदि कोई कंप्यूटर पूर्व की तुलना में खराब नहीं है, तो बाद वाला अतीत की बात होगी, जैसे कि पंच कार्ड, ब्लैक-एंड-वाइट टेलीविज़न और कैमरों के लिए फिल्म।

अगले लघु वीडियो में आप कार्यक्रम को एक्शन में देख सकते हैं। यह दिलचस्प हो सकता है।

निष्कर्ष

और एक अन्य महत्वपूर्ण बिंदु - प्रदर्शन संकेतक, अर्थात्, समय और प्रतिशत मान्यता। बेशक, डेमो दूसरी कसौटी पर केंद्रित था। कम से कम 70% का स्तर अब पहुंच चुका है। तैयार संस्करण में, इस सूचक को निम्नानुसार तैयार किया जा सकता है: यदि कोई व्यक्ति पाठ पढ़ सकता है, तो कार्यक्रम भी। अब तक, हम केवल मान्यता समय के बारे में कह सकते हैं कि इसे स्वीकार्य मूल्यों पर लाया जा सकता है।

यदि सब ठीक हो जाता है, तो पाठ मान्यता के कुछ तकनीकी पहलुओं और एआई के बारे में अधिक लेख होंगे।

आपका ध्यान देने के लिए धन्यवाद।
____________
अद्यतन।
प्रिय हभ्रवचन! प्रतिक्रिया के लिए सभी का धन्यवाद, यह हमारे लिए बहुत महत्वपूर्ण और उपयोगी है। सामान्य तौर पर, इस विषय को सकारात्मक रूप से पूरा किया गया था, जो आनन्दित नहीं कर सकता है।

मैं अशिष्ट व्यक्तियों से कहना चाहूंगा: प्रिय, हम निष्पक्ष जादूगर नहीं हैं। हम अपने शब्दों में एक रिपोर्ट देते हैं। यदि हमने लिखा है कि तैयार उत्पाद में मान्यता सटीकता 100% तक होगी, तो हम निश्चित हैं।

आप इस लेख को एक घोषणा पर विचार कर सकते हैं, इसमें सभी तकनीकी विवरणों को विस्तार से प्रकट करने का लक्ष्य नहीं था। हालांकि, रुचि को देखते हुए, थोड़ी देर के बाद मान्यता प्रक्रिया का वर्णन करने वाला एक और लेख होगा।

डाउनलोड के लिए एक डेमो संस्करण भी उपलब्ध होगा।