CN104598937B - 文字信息的识别方法和装置 - Google Patents
文字信息的识别方法和装置 Download PDFInfo
- Publication number
- CN104598937B CN104598937B CN201510033229.XA CN201510033229A CN104598937B CN 104598937 B CN104598937 B CN 104598937B CN 201510033229 A CN201510033229 A CN 201510033229A CN 104598937 B CN104598937 B CN 104598937B
- Authority
- CN
- China
- Prior art keywords
- recognition result
- character
- text information
- probability
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/333—Preprocessing; Feature extraction
- G06V30/347—Sampling; Contour coding; Stroke extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本发明提出了一种文字信息的识别方法和装置,其中,文字信息的识别方法,包括:接收用户输入的文字信息,并从文字信息中获取到对应的元素;基于元素生成识别结果集合;以及基于预设算法对识别结果集合中的识别结果进行处理,以输出目标识别结果。本发明实施例的文字信息的识别方法和装置,通过笔画预分割器准确地对用户输入的文字信息进行笔画分割获取到对应的元素,并根据相似度生成识别结果集合,以及根据预设语言模型构造马尔可夫链,获取其中生成概率最高的路径对应的信息作为目标识别结果,在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种文字信息的识别方法和装置。
背景技术
手写识别是指将手写输入时产生的有序轨迹信息转化为文字信息的过程,即手写轨迹的坐标序列到文字信息的一个映射过程,是人机交互最自然、最方便的手段之一。随着智能手机、平板电脑等智能工具的普及,手写识别技术的应用也越来越广泛。
目前,很多输入法应用软件都支持手写输入方式,用户可通过手写输入笔画序列,应用软件可将笔画序列识别为文字信息,从而实现文字的输入。
但是,如果用户一下输入多个文字,且输入的方式不是正常的从左至右的输入方式,而是例如从下至上等非正常的输入方式,就会降低文字信息的识别率。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种文字信息的识别方法。该方法在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
本发明的第二个目的在于提出一种文字信息的识别装置。
为达上述目的,根据本发明第一方面实施例提出了一种文字信息的识别方法,包括:接收用户输入的文字信息,并从所述文字信息中获取到对应的元素;基于所述元素生成识别结果集合;以及基于预设算法对所述识别结果集合中的识别结果进行处理,以输出目标识别结果。
本发明实施例的文字信息的识别方法,通过笔画预分割器准确地对用户输入的文字信息进行笔画分割获取到对应的元素,并根据相似度生成识别结果集合,以及根据预设语言模型构造马尔可夫链,获取其中生成概率最高的路径对应的信息作为目标识别结果,在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
为达上述目的,根据本发明第二方面实施例提出了一种文字信息的识别装置,包括:获取模块,用于接收用户输入的文字信息,并从所述文字信息中获取到对应的元素;生成模块,用于基于所述元素生成识别结果集合;以及处理模块,用于基于预设算法对所述识别结果集合中的识别结果进行处理,以输出目标识别结果。
本发明实施例的文字信息的识别装置,通过笔画预分割器准确地对用户输入的文字信息进行笔画分割获取到对应的元素,并根据相似度生成识别结果集合,以及根据预设语言模型构造马尔可夫链,获取其中生成概率最高的路径对应的信息作为目标识别结果,在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为根据本发明一个实施例的文字信息的识别方法的流程图。
图2为根据本发明一个实施例的手写输入的效果示意图。
图3为根据本发明一个实施例的通过笔画预分割器获得元素的效果示意图。
图4为根据本发明一个实施例的马尔可夫链的效果示意图。
图5为根据本发明一个实施例的文字信息的识别装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的文字信息的识别方法和装置。
图1为根据本发明一个实施例的文字信息的识别方法的流程图。
如图1所示,该文字信息的识别方法包括:
S101,接收用户输入的文字信息,并从文字信息中获取到对应的元素。
在本发明的实施例中,可接收用户输入的文字信息,然后从文字信息中获取到对应的元素。
具体地,可通过笔画预分割器对接收到的文字信息进行笔画分割,获得多个元素。
例如:如图2所示,用户在输入区域不规则地手写“你好吗”三个字,然后应用软件可通过笔画预分割器对“你好吗”这三个字进行笔画分割,分别获得如图3所示的六个元素。
S102,基于元素生成识别结果集合。
在获得元素之后,可通过单字识别引擎,对获得的元素进行识别,获得初步识别结果。在获得初步识别结果后,可计算初步识别结果中的字符与预设字库中字符的相似度,从初步识别结果中删除相似度低于预设阈值的字符,以获得识别结果集合。其中,预设字库可包括笔迹模型库。
举例来说,图3所示的六个元素,可通过单字识别引擎进行识别,初步识别结果可包括“个”、“尔”、“女”、“子”、“口”、“马”、“你”、“们”、“妆”、“好”、“奸”、“扣”、“吗”、“鸣”、“女子”、“你好”等字符。然后计算上述字符与笔迹模型库中的字符相似度。例如初步识别结果中的字符“妆”与笔迹模型库中的字符“妆”的相似度低于预设阈值如60%,则可将识别结果中的字符“妆”删除。同理,可删除识别结果中的字符“扣”。当然,也可以计算每个识别结果中的字符之间的相对相似度,删除不相似的识别结果。例如:初步识别结果中的字符“个”、“尔”与字符“你”进行对比,初步识别结果中的字符“你”与笔迹模型库中的字符“你”的相似度高于初步识别结果中的字符“个”、“尔”与笔迹模型库中的字符“你”的相似度,因此可删除字符“个”、“尔”,保留“你”。同理,可保留字符“你”,删除字符“们”。最终,获得的识别结果集合为“女”、“子”、“你”、“好”、“吗”、“鸣”、“女子”、“你好”。
S103,基于预设算法对识别结果集合中的识别结果进行处理,以输出目标识别结果。
在获得识别结果集合后,可基于预设算法对识别结果集合中的识别结果进行处理,以输出目标识别结果。
具体地,根据预设语言模型和识别结果集合构造马尔可夫链。其中,马尔可夫链可包括至少一个路径。其中,预设语言模型可包括字典和词典,用于查询字符的词频;还可包括二元语法,用于查询字符之间的关联度。
更具体地,可从预设语言模型中的字典和词典中查询识别结果集合中的字符的词频,获得分布概率;可从预设语言模型中的二元语法查询识别结果集合中的字符的关联度,获得状态转移概率。然后根据分布概率和状态转移概率构造马尔可夫链。其中,同一深度的字符的分布概率的总和为1,同一深度的字符的状态转移概率总和也为1。
举例来说,如图4所示,字符下方的数字代表分布概率,每条路径上的数字表示字符的状态转移概率。字符“你”和“你好”为同一深度,字符“你”的分布概率为0.33,字符“你好”的分布概率为0.67,其总和为1。字符“你”转移到字符“女”的概率为0.2,转移到字符“女子”的概率为0.3,转移到字符“好”的概率为0.5,则三者相加总和为1。同理,字符“吗”的分布概率为0.8,与字符“吗”处于同一深度的字符“鸣”的分布概率为0.2,两者相加总和为1。
然后,根据公式:路径的生成概率=分布平均概率*状态转移平均概率,计算出每条路径的生成概率。例如:“你好吗”这条路径的生成概率为:((0.67+0.80)/2)*(0.88/1)=0.6468。同理,可计算出其他路径的生成概率。应当理解的是,以上概率相关的数字仅为示例。
最后,将计算出的路径的生成概率进行排序,最终获得路径的生成概率最高的路径对应的信息作为目标识别结果并输出。本例中,生成概率最高的路径对应的信息为“你好吗”,因此可确定目标识别结果为“你好吗”。
本发明实施例的文字信息的识别方法,通过笔画预分割器准确地对用户输入的文字信息进行笔画分割获取到对应的元素,并根据相似度生成识别结果集合,以及根据预设语言模型构造马尔可夫链,获取其中生成概率最高的路径对应的信息作为目标识别结果,在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
为了实现上述实施例,本发明还提出一种文字信息的识别装置。
图5为根据本发明一个实施例的文字信息的识别装置的结构示意图。
如图5所示,该文字信息的识别装置包括:获取模块110、生成模块120和处理模块130,其中,处理模块130包括构造单元131和计算单元132。
获取模块110用于接收用户输入的文字信息,并从文字信息中获取到对应的元素。
在本发明的实施例中,获取模块110可接收用户输入的文字信息,然后从文字信息中获取到对应的元素。
具体地,获取模块110可通过笔画预分割器对接收到的文字信息进行笔画分割,获得多个元素。
例如:如图2所示,用户在输入区域不规则地手写“你好吗”三个字,然后应用软件可通过笔画预分割器对“你好吗”这三个字进行笔画分割,分别获得如图3所示的六个元素。
生成模块120用于基于元素生成识别结果集合。
在获取模块110获得元素之后,生成模块120可通过单字识别引擎,对获得的元素进行识别,获得初步识别结果。在获得初步识别结果后,可计算初步识别结果中的字符与预设字库中字符的相似度,从初步识别结果中删除相似度低于预设阈值的字符,以获得识别结果集合。其中,预设字库可包括笔迹模型库。
举例来说,图3所示的六个元素,可通过单字识别引擎进行识别,初步识别结果可包括“个”、“尔”、“女”、“子”、“口”、“马”、“你”、“们”、“妆”、“好”、“奸”、“扣”、“吗”、“鸣”、“女子”、“你好”等字符。然后计算上述字符与笔迹模型库中的字符相似度。例如初步识别结果中的字符“妆”与笔迹模型库中的字符“妆”的相似度低于预设阈值如60%,则可将识别结果中的字符“妆”删除。同理,可删除识别结果中的字符“扣”。当然,也可以计算每个识别结果中的字符之间的相对相似度,删除不相似的识别结果。例如:初步识别结果中的字符“个”、“尔”与字符“你”进行对比,初步识别结果中的字符“你”与笔迹模型库中的字符“你”的相似度高于初步识别结果中的字符“个”、“尔”与笔迹模型库中的字符“你”的相似度,因此可删除字符“个”、“尔”,保留“你”。同理,可保留字符“你”,删除字符“们”。最终,获得的识别结果集合为“女”、“子”、“你”、“好”、“吗”、“鸣”、“女子”、“你好”。
处理模块130用于基于预设算法对识别结果集合中的识别结果进行处理,以输出目标识别结果。
其中,处理模块130可包括构造单元131和计算单元132。
构造单元131用于根据预设语言模型和识别结果集合构造马尔可夫链。
具体地,构造单元131可根据预设语言模型和识别结果集合构造马尔可夫链。其中,马尔可夫链可包括至少一个路径。其中,预设语言模型可包括字典和词典,用于查询字符的词频;还可包括二元语法,用于查询字符之间的关联度。
更具体地,构造单元131可从预设语言模型中的字典和词典中查询识别结果集合中的字符的词频,获得分布概率;可从预设语言模型中的二元语法查询识别结果集合中的字符的关联度,获得状态转移概率。然后根据分布概率和状态转移概率构造马尔可夫链。其中,同一深度的字符的分布概率的总和为1,同一深度的字符的状态转移概率总和也为1。
举例来说,如图4所示,字符下方的数字代表分布概率,每条路径上的数字表示字符的状态转移概率。字符“你”和“你好”为同一深度,字符“你”的分布概率为0.33,字符“你好”的分布概率为0.67,其总和为1。字符“你”转移到字符“女”的概率为0.2,转移到字符“女子”的概率为0.3,转移到字符“好”的概率为0.5,则三者相加总和为1。同理,字符“吗”的分布概率为0.8,与字符“吗”处于同一深度的字符“鸣”的分布概率为0.2,两者相加总和为1。
计算单元132用于计算出每条路径的生成概率,将生成概率最高的路径对应的信息作为目标识别结果并输出。
在构造单元131构造马尔可夫链之后,计算单元132可根据公式:路径的生成概率=分布平均概率*状态转移平均概率,计算出每条路径的生成概率。例如:“你好吗”这条路径的生成概率为:((0.67+0.80)/2)*(0.88/1)=0.6468。同理,可计算出其他路径的生成概率。应当理解的是,以上概率相关的数字仅为示例。
然后,计算单元132将计算出的路径的生成概率进行排序,最终获得路径的生成概率最高的路径对应的信息作为目标识别结果并输出。本例中,生成概率最高的路径对应的信息为“你好吗”,因此可确定目标识别结果为“你好吗”。
本发明实施例的文字信息的识别装置,通过笔画预分割器准确地对用户输入的文字信息进行笔画分割获取到对应的元素,并根据相似度生成识别结果集合,以及根据预设语言模型构造马尔可夫链,获取其中生成概率最高的路径对应的信息作为目标识别结果,在用户不受限地在手写区域输入文字信息的情况下,能够准确地识别用户输入的文字信息,有效地提高了识别的准确率。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种文字信息的识别方法,其特征在于,包括:
接收用户输入的文字信息,并从所述文字信息中获取到对应的元素;
基于所述元素生成识别结果集合;以及
基于预设算法对所述识别结果集合中的识别结果进行处理,以输出目标识别结果;
其中,所述基于预设算法对所述识别结果集合中的识别结果进行处理,以输出目标识别结果,包括:
根据所述预设语言模型和所述识别结果集合构造马尔可夫链,其中,马尔可夫链包括至少一个路径;
计算出每条路径的生成概率,将所述生成概率最高的路径对应的信息作为所述目标识别结果并输出;
所述计算出每条路径的生成概率,包括:
针对每条路径,获得当前路径上的识别结果的分布概率和状态转移概率,根据获得的所述分布概率和所述状态转移概率计算出当前路径的生成概率;
所述基于所述元素生成识别结果集合,包括:
对所述元素进行识别,获得初步识别结果;以及
计算初步识别结果中的字符与预设字库中字符的相似度,从所述初步识别结果中删除相似度低于预设阈值的字符,以及计算所述初步识别结果中的字符之间的相对相似度,删除不相似的识别结果,以获得所述识别结果集合;所述预设字库包括笔迹模型库;字符之间的相对相似度,指的是将所述初步识别结果中的多个字符与预设字库中相同字符之间的相似度进行比对,得到的相似度。
2.根据权利要求1所述的方法,其特征在于,所述从所述文字信息中获取到对应的元素,包括:
通过笔画预分割器对所述文字信息进行笔画分割,获得多个元素。
3.一种文字信息的识别装置,其特征在于,包括:
获取模块,用于接收用户输入的文字信息,并从所述文字信息中获取到对应的元素;
生成模块,用于基于所述元素生成识别结果集合;以及
处理模块,用于基于预设算法对所述识别结果集合中的识别结果进行处理,以输出目标识别结果;
所述处理模块,包括:
构造单元,用于根据所述预设语言模型和所述识别结果集合构造马尔可夫链,其中,马尔可夫链包括至少一个路径;
计算单元,用于计算出每条路径的生成概率,将所述生成概率最高的路径对应的信息作为所述目标识别结果并输出;
所述计算单元,具体用于:
针对每条路径,获得当前路径上的识别结果的分布概率和状态转移概率,根据获得的所述分布概率和所述状态转移概率计算出当前路径的生成概率;
所述生成模块,具体用于:
对所述元素进行识别,获得初步识别结果;以及
计算初步识别结果中的字符与预设字库中字符的相似度,从所述初步识别结果中删除相似度低于预设阈值的字符,以及计算所述初步识别结果中的字符之间的相对相似度,删除不相似的识别结果,以获得所述识别结果集合;所述预设字库包括笔迹模型库;字符之间的相对相似度,指的是将所述初步识别结果中的多个字符与预设字库中相同字符之间的相似度进行比对,得到的相似度。
4.根据权利要求3所述的装置,其特征在于,所述获取模块,具体用于:
通过笔画预分割器对所述文字信息进行笔画分割,获得多个元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510033229.XA CN104598937B (zh) | 2015-01-22 | 2015-01-22 | 文字信息的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510033229.XA CN104598937B (zh) | 2015-01-22 | 2015-01-22 | 文字信息的识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598937A CN104598937A (zh) | 2015-05-06 |
CN104598937B true CN104598937B (zh) | 2019-03-12 |
Family
ID=53124709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510033229.XA Active CN104598937B (zh) | 2015-01-22 | 2015-01-22 | 文字信息的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598937B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915717B (zh) * | 2015-06-02 | 2017-11-14 | 百度在线网络技术(北京)有限公司 | 数据处理方法、知识库推理方法及相关装置 |
CN106372634A (zh) * | 2015-07-21 | 2017-02-01 | 无锡天脉聚源传媒科技有限公司 | 一种繁体字的识别方法及装置 |
US10402734B2 (en) * | 2015-08-26 | 2019-09-03 | Google Llc | Temporal based word segmentation |
CN107688803B (zh) * | 2016-08-05 | 2020-04-03 | 腾讯科技(深圳)有限公司 | 字符识别中识别结果的校验方法和装置 |
CN109598265B (zh) * | 2017-09-30 | 2021-09-28 | 顺丰科技有限公司 | 一种文字识别方法、系统、设备、计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067780A (zh) * | 2007-06-21 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 智能设备的文字输入系统及方法 |
CN101154226A (zh) * | 2006-09-27 | 2008-04-02 | 腾讯科技(深圳)有限公司 | 在输入法词库中添加未登录词的方法及文字输入装置 |
CN101853126A (zh) * | 2010-05-12 | 2010-10-06 | 中国科学院自动化研究所 | 一种联机手写句子实时识别方法 |
-
2015
- 2015-01-22 CN CN201510033229.XA patent/CN104598937B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154226A (zh) * | 2006-09-27 | 2008-04-02 | 腾讯科技(深圳)有限公司 | 在输入法词库中添加未登录词的方法及文字输入装置 |
CN101067780A (zh) * | 2007-06-21 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 智能设备的文字输入系统及方法 |
CN101853126A (zh) * | 2010-05-12 | 2010-10-06 | 中国科学院自动化研究所 | 一种联机手写句子实时识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104598937A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598937B (zh) | 文字信息的识别方法和装置 | |
Manjunatha et al. | Explicit bias discovery in visual question answering models | |
Harouni et al. | Online Persian/Arabic script classification without contextual information | |
CN109359538B (zh) | 卷积神经网络的训练方法、手势识别方法、装置及设备 | |
CN104517112B (zh) | 一种表格识别方法与系统 | |
Ma et al. | Kinect Sensor‐Based Long‐Distance Hand Gesture Recognition and Fingertip Detection with Depth Information | |
Chen et al. | Real‐time hand gesture recognition using finger segmentation | |
CN103226388B (zh) | 一种基于Kinect的手写方法 | |
CN111949787A (zh) | 基于知识图谱的自动问答方法、装置、设备及存储介质 | |
CN104200240B (zh) | 一种基于内容自适应哈希编码的草图检索方法 | |
CN109376309A (zh) | 基于语义标签的文档推荐方法和装置 | |
CN104517106B (zh) | 一种列表识别方法与系统 | |
CN104850825A (zh) | 一种基于卷积神经网络的人脸图像颜值计算方法 | |
Peterson et al. | Grouping strokes into shapes in hand-drawn diagrams | |
CN105138974B (zh) | 一种基于Gabor编码的手指多模态特征融合方法 | |
CN108805224B (zh) | 具备可持续学习能力的多符号手绘草图识别方法及装置 | |
CN108563655A (zh) | 基于文本的事件识别方法和装置 | |
CN109119079A (zh) | 语音输入处理方法和装置 | |
Hsu et al. | Facial expression recognition for human-robot interaction | |
JP6764992B2 (ja) | 検索システム、検索方法、及びプログラム | |
Henderson | Analysis of engineering drawings and raster map images | |
EP3748460A1 (en) | Search system, search method, and program | |
Ferreira et al. | Multimodal learning for sign language recognition | |
CN109670071B (zh) | 一种序列化多特征指导的跨媒体哈希检索方法和系统 | |
Bhatt et al. | Approximating fuzzy membership functions from clustered raw data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |