Ocr tizimlari xaqida maʼlumot bering?

Rangli tasvirni binary tasvirga aylantirish
Rangli tasvirni ikkilik tasvirga aylantirish, shuningdek, tasvir chegarasi sifatida ham tanilgan, tasvirni har bir piksel qora yoki oq rangga ega bo'lgan ikki rangli tasvirga aylantirish jarayonidir. Bu, odatda, tasvirni tahlil qilish algoritmlari uchun tasvirni qayta ishlash va sharhlashni osonlashtirish uchun amalga oshiriladi.
Rangli tasvirni ikkilik tasvirga aylantirishning bir necha usullari mavjud:

1. 
   Global chegara: Ushbu usulda tasvirdagi barcha piksellarga bitta chegara qiymati qo'llaniladi, natijada piksellar chegara qiymatidan past yoki yuqori bo'lgan ikkilik tasvir mos ravishda qora yoki oq rangga o'rnatiladi.
   
2. 
   Moslashuvchan chegara: Ushbu usulda har bir piksel uchun chegara qiymati ushbu pikselning mahalliy qo'shnisiga asoslangan holda hisoblanadi. Bu turli xil yorug'lik sharoitlari bo'lgan tasvirlarda aniqroq chegaralanish imkonini beradi.
   
3. 
   Otsu chegarasi: Bu usul tasvirning chegara qiymatini avtomatik ravishda aniqlash uchun tasvir histogrammalaridan foydalanadi.
   
4. 
   K-means chegarasi: Bu usul tasvirdagi piksellarni rang qiymatlari asosida klasterlashni, so'ngra chegara qiymatlarini aniqlash uchun klaster markazlaridan foydalanishni o'z ichiga oladi.
   

Eshik chegarasi bajarilgandan so'ng, tasvirni OCR dasturi bilan qayta ishlash mumkin.
Shuni ham ta'kidlash joizki, chegara usulini tanlash tasvir sifati va o'lchamlari va rasmdagi matn turiga qarab farq qilishi mumkin. Tasviringiz uchun eng maqbulini topish uchun chegara usulini turli chegara qiymatlari bilan sinab ko'rish ham muhimdir.

Sun'iy neyron tarmoqlarning nazariy asoslari tarixi
Sun'iy neyron tarmoqlarning (ANN) nazariy asoslari 1940-yillarga borib taqaladigan uzoq tarixga ega. Murakkab tizimlarni modellashtirish uchun oddiy, oʻzaro bogʻlangan ishlov berish elementlari tarmogʻidan foydalanish konsepsiyasi birinchi marta 1943-yilda Uorren Makkaloch va Uolter Pits tomonidan taklif qilingan. Ular neyron tarmoqning oddiy modelini taklif qilishgan va uni “ostona mantiq birligi” (TLU) deb atashgan. , uning ishlov berish elementlari orasidagi ulanishlarning kuchli tomonlarini sozlash orqali mantiqiy operatsiyalarni bajarishi mumkin edi.
1950-yillarda Donald Hebb neyron tarmoqlarida o'rganish nazariyasini taklif qildi, bu Hebbian ta'limi deb nomlanadi, unda neyronlar o'rtasidagi aloqalarning mustahkamligi neyronlarning faolligi o'rtasidagi bog'liqlik asosida sozlanishi kerakligini aytdi.
1960-yillarda Frenk Rozenblat perseptronni, ya'ni neyron tarmoqning oddiy turini taqdim etdi, uni perseptron konvergentsiyasi teoremasi asosida o'rganish qoidasi yordamida naqshlarni tasniflashga o'rgatish mumkin. Biroq, perseptron chiziqli bo'linadigan muammolarni hal qilish bilan cheklangan va perseptronning cheklovlari neyron tarmoqlardagi tadqiqotlarning pasayishiga olib keldi.
1980-yillarda Rumelxart, Xinton va Uilyams tomonidan teskari tarqalish algoritmi taklif qilindi, bu ko'p qatlamli neyron tarmoqlarni samarali o'qitish imkonini berdi. Ushbu yutuq kuchli kompyuter texnikasining paydo bo'lishi bilan birga neyron tarmoqlarga qiziqishning qayta tiklanishiga va konvolyutsion neyron tarmoqlari (CNN) va takroriy neyron tarmoqlari (RNN) kabi yanada murakkab arxitekturalarning rivojlanishiga olib keldi.
So'nggi yillarda katta hajmdagi ma'lumotlarga katta, chuqur neyron tarmoqlarni o'qitishni o'z ichiga olgan chuqur o'rganish sohasi katta e'tiborga sazovor bo'ldi va tasvir va nutqni aniqlash, tabiiy tilni qayta ishlash va boshqa sohalarda ko'plab yutuqlarga olib keldi.
Yangi arxitekturalar, usullar va texnikalar ishlab chiqilib, keng ko'lamli muammolarga tatbiq etilayotganligi sababli ANNning nazariy asoslari rivojlanishda davom etmoqda.