Показати скорочену інформацію

Засоби оптичного розпізнавання спотворених друкованих символів текстових документів

dc.contributor.authorПерестюк, О. В.uk
dc.contributor.authorБорисівна, М. Т.uk
dc.contributor.authorОчкуров, М. А.uk
dc.contributor.authorPerestiuk, O. V.en
dc.contributor.authorOchkurov, M. A.en
dc.date.accessioned2026-09-03T10:42:40Z
dc.date.available2026-09-03T10:42:40Z
dc.date.issued2026
dc.identifier.citationПерестюк О. В., Борисівна М. Т., Очкуров М. А. Засоби оптичного розпізнавання спотворених друкованих символів текстових документів // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26769.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/53485
dc.description.abstractЗапропонована технологія оптичного розпізнавання поєднує методи попередньої обробки зображень, сегментації та класифікації символів із застосуванням згорткових нейронних мереж і шаблонних алгоритмів.uk
dc.description.abstractThe proposed technology integrates image preprocessing, segmentation, and symbol classification methods using convolutional neural networks and template-based algorithms. The developed software demonstrates increased robustness to noise, deformations, and printing defects, resulting in higher text reconstruction accuracy compared to traditional OCR systems.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26769
dc.subjectоптичне розпізнавання текстуuk
dc.subjectспотворені друковані символиuk
dc.subjectпопередня обробка зображеньuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectOCRAbstractThe proposed technology integrates image preprocessingen
dc.subjectsegmentationen
dc.subjectand symbol classification methods usingconvolutional neural networks and template-based algorithms The developed software demonstrates increaseden
dc.subjectoptical character recognitionen
dc.subjectdistorted printed symbolsen
dc.subjectimage preprocessingen
dc.subjectconvolutional neuralnetworksen
dc.subjectOCRВступЗростання обсягів цифрової інформації та необхідність автоматизації опрацювання текстовихдокументів зумовлюють підвищений інтерес до технологій оптичного розпізнавання тексту Уuk
dc.titleЗасоби оптичного розпізнавання спотворених друкованих символів текстових документівuk
dc.typeThesis
dc.identifier.udc004.93
dc.relation.references5. Шелестов А. Ю. Методи та засоби оптичного розпізнавання текстової інформації / А. Ю. Шелестов // Вісник Національного технічного університету України «КПІ». — Серія «Інформатика, управління та обчислювальна техніка». — 2017. — № 65. — С. 88–94. Afzal M. Z., Klsch A., Ahmed S., Liwicki M. Deep learning-based document segmentation and recognition: a survey // Pattern Recognition. — 2019. — Vol. 86. — P. 106–132. Xiao-Feng Wang, Zhi-Huang He, Kai Wang, Yi-Fan Wang, Le Zou, Zhi-Ze Wu. A survey of text detection and recognition algorithms based on deep learning technology. 2023, Neurocomputing, p. 126702. [Електронний ресурс]. – Режим доступу: https://doi.org/10.1016/j.neucom.2023.126702. What’s New in Tesseract OCR. Google Developers. [Електронний ресурс]. – Режим доступу: https://opensource.google/projects/tesseract . Deep Learning for OCR: A Comprehensive Guide. PapersWithCode. [Електронний ресурс]. – Режим доступу: https://paperswithcode.com/task/optical-character-recognition .en


Файли в цьому документі

Thumbnail
Ім'я:
26769.pdf
Розмір:
444.1Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію