Засоби оптичного розпізнавання спотворених друкованих символів текстових документів

Perestiuk, O. V.; Ochkurov, M. A.

Засоби оптичного розпізнавання спотворених друкованих символів текстових документів

dc.contributor.author	Perestiuk, O. V.	en
dc.contributor.author	Ochkurov, M. A.	en
dc.date.accessioned	2026-09-03T10:42:40Z
dc.date.available	2026-09-03T10:42:40Z
dc.date.issued	2026
dc.description.abstract	The 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.identifier.citation	Перестюк 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.udc	004.93
dc.identifier.uri	https://ir.lib.vntu.edu.ua/handle/123456789/53485
dc.language.iso	uk_UA	uk_UA
dc.publisher	Вінницький національний технічний університет	uk
dc.relation.ispartof	Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.	uk
dc.relation.references	5. 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
dc.relation.uri	https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26769
dc.subject	OCRAbstractThe proposed technology integrates image preprocessing	en
dc.subject	segmentation	en
dc.subject	and symbol classification methods usingconvolutional neural networks and template-based algorithms The developed software demonstrates increased	en
dc.subject	optical character recognition	en
dc.subject	distorted printed symbols	en
dc.subject	image preprocessing	en
dc.subject	convolutional neuralnetworks	en
dc.title	Засоби оптичного розпізнавання спотворених друкованих символів текстових документів	uk
dc.type	Thesis

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 26769.pdf
Розмір:: 444,17 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 17 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)