CN117275013A - 移动终端上汉字笔画书写识别方法 - Google Patents
移动终端上汉字笔画书写识别方法 Download PDFInfo
- Publication number
- CN117275013A CN117275013A CN202311091329.9A CN202311091329A CN117275013A CN 117275013 A CN117275013 A CN 117275013A CN 202311091329 A CN202311091329 A CN 202311091329A CN 117275013 A CN117275013 A CN 117275013A
- Authority
- CN
- China
- Prior art keywords
- chinese characters
- writing
- pixel points
- contents
- identification
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06V30/16—Image preprocessing
- G06V30/162—Quantising the image signal
Abstract
本发明公开了移动终端上汉字笔画书写识别方法,包括如下步骤:将有效书写区域进行像素化分割形成矩阵化像素点,每个像素点具有唯一的矩阵位置;在有效书写区域内获取连续书写的汉字,并同时建立书写时间轴;扫描有效书写区域内的矩阵化像素点,确定有效像素点和无效像素点;去除无效像素点,将矩阵化像素点中矩阵位置彼此相邻的所有有效像素点归集至同一个识别库中,并按照矩阵位置排列形成待识别内容;通过识别库将连续书写的汉字拆分的为单一的汉字进行识别。本发明可以降低对连续书写的多个汉字同时进行识别的难度,同时也能避免连续书写的多个汉字时识别准确率低的问题。
Description
技术领域
本发明属于计算机数据处理技术领域,尤其涉及移动终端上汉字笔画书写识别方法。
背景技术
在移动终端上进行书写签字是目前人们常见的生活化场景,尤其是涉及到身份信息确认,比如银行办理业务,这种无纸化的技术大大提高了人们生活便捷性以及资源的高效利用。
但是汉字有其特殊性,从人们书写到机器识别是需要对应的识别方法的,否则计算机是无法知道人们书写的点、横、撇、捺的组合表示的是什么含义。正因为如此,在汉字书写识别的过程中为了避免多个文字同时出现在识别区域内造成相互干扰,目前常见的移动终端上汉字书写识别方法都是采用一字一输一识别的方式,也就是手写输入一个汉字后待系统识别出并提供可选择的匹配率最高的几个结果,供用户确认,确认无误后方可继续书写下一个汉字。
这种汉字的书写识别方法在一定程度上可以满足人们的使用需求,但是并不够便捷,当用户希望输入多个汉字提高效率的时候,就可能会出现识别错误的问题。
发明内容
本申请针对上述移动终端上汉字书写识别需要一字一输一识别的低效问题,提出了移动终端上汉字笔画书写识别方法,具体技术方案如下:
移动终端上汉字笔画书写识别方法,包括如下步骤:
步骤一、将有效书写区域进行像素化分割形成矩阵化像素点,每个像素点具有唯一的矩阵位置;
步骤二、在有效书写区域内获取连续书写的汉字,并同时建立书写时间轴;
步骤三、扫描有效书写区域内的矩阵化像素点,确定有效像素点和无效像素点;
步骤四、去除无效像素点,将矩阵化像素点中矩阵位置彼此相邻的所有有效像素点归集至同一个识别库中,并按照矩阵位置排列形成待识别内容;
步骤五、通过识别库将连续书写的汉字拆分的为单一的汉字进行识别。
进一步的,步骤四之后、步骤五之前对识别库进行更新,对识别库进行更新的方法为:
识别出每一个识别库中的待识别内容,并根据预先设置的规则库将识别内容标记为整字和非整字;
根据组合规则将非整字与其他识别内容组合对识别内容进行更新。
进一步的,将更新后的识别内容按照书写时间轴依次间隔排列,同时统计更新后的所有识别内容的面域,计算平均面域和预测汉字数量,利用平均面域与更新后的所有识别内容的面域依次进行比较,判断更新后的识别内容的面域与平均面域的比值是否小于预设值,不小于则跳过该识别内容并将该识别内容标记为一个成型字,若小于则根据书写时间轴将该识别内容与后一识别内容再次组合更新形成新的识别内容,重复判断直到比值不小于预设值则跳过该识别内容并将更新后的识别内容标记为一个成型字,直到所有识别内容比较结束。
进一步的,计算平均面域的方法为:
确定连续书写过程中汉字高度方向和汉字数量增长延伸方向;
获取汉字高度方向上的尺寸参数,并以尺寸参数的平方记为平均面域。
进一步的,计算预测汉字数量的方法为:
能获取所有识别内容的总面域;
将总面域与平均面域相除后取整即得预测汉字数量。
进一步的,步骤二中同时建立以书写时间轴为维度的笔画图层和显示图层,每一次落笔和提笔之间书写的内容单独建立一个笔画图层,所有笔画图层同位叠加形成显示图层。
进一步的,步骤三中扫面前对有效书写区域内进行图像二值化处理。
本发明的有益效果为:本发明主动对连续的多个汉字进行有效分割,可以直接通过调用现有的对单一汉字的识别方法来识别用户的书写内容,降低对连续书写的多个汉字同时进行识别的难度,同时也能避免现有的识别方法无法适用于连续书写的多个汉字的同时识别而导致的识别准确率降低的问题。
附图说明
图1示出的是实施例中多媒体系统数据处理方法的基础框架结构示意图;
图2示出的是实施例中多媒体系统数据处理装置的结构示意图;
图3示出的是有效书写区域内书写“汉糊旱系”的状态示意图;
图4示出的是有效书写区域内“汉”字的书写状态示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明技术方案进行清楚、完整地描述。
本申请所描述的方法是应用于移动终端上进行连续地多个汉字书写并识别的方法,所属的“移动终端”是指具有电子显示和书写功能电子产品,包括手机、移动平板、签字板等。
如图1所示,所有的移动终端上均会具有一块如图1中所示的显示区域100,通常情况下该显示区域100在书写状态下整体就是一个有效书写区域;当然在特定的应用环境下,有效书写区域可能是显示区域100中的部分,比如用手机进行信息聊天的时候显示区域的下半部分200才是有效书写区域,如图2中所示。
所述的移动终端上汉字笔画书写识别方法包括如下的步骤:
步骤一、将有效书写区域进行像素化分割形成矩阵化像素点,每个像素点具有唯一的矩阵位置,通常情况下可以用(x,y)的表达方式来记载像素点的矩阵位置。
步骤二、在有效书写区域内获取书写内容,并同时建立书写时间轴,通过书写时间轴记录书写内容的产生顺序。
如图3中所示,在有效书写区域内书写了“汉糊旱系”四个字,由于书写是根据笔画一笔一画完成的,因此每一笔画后存在前后的时间顺序和书写间隔,每一笔均具有落笔和提笔的操作,根据这个笔画书写的特征,建立以书写时间轴为维度的笔画图层和显示图层,每一次落笔和提笔之间书写的内容单独建立一个笔画图层,所有笔画图层同位叠加形成显示图层,显示图层即用户书写时可以直接看到的内容。如“汉”字书写过程中,第一笔画图层到第三笔画图层均为点,显示图层即显示为“氵”。
步骤三、通过对有效书写区域内的矩阵化像素点进行扫描,确定出有效像素点和无效像素点,其中有效像素点是指像素点内像素值发生变化的像素点,而无效像素点是指像素点内像素值在书写过程中未发生变化的像素点。
该步骤是直接在显示图层上进行的,由于有效书写区域的面积比较大,通常情况下会设置固定的背景色,如白色,而用户书写的汉字则通常会用带颜色的痕迹来表达,因此当对有效书写区域内的矩阵化像素点进行扫描后,便可以通过像素的变化来获取由书写过程中产生的痕迹信息,进而分别获取有效像素点和无效像素点。当然,在一些情况下也可以对有效书写区域内进行图像二值化处理,获得以灰度值表征像素点的图像,这样使得扫描结果会更加灵敏。
步骤四、去除无效像素点后,将矩阵化像素点中矩阵位置彼此相邻的所有有效像素点归集至同一个识别库中,并按照矩阵位置排列形成待识别内容。
根据前述记载,有效书写区域进行像素化分割形成矩阵化像素点后,整个区域内都是带有矩阵位置的像素点,且像素点是有规律的排列的,而根据汉字的特征,有的汉字在书写完成后是一个整体,表现在像素点上就是像素点是彼此相邻的,也即任意一个有效像素点的上、下、左、右至少还有另外一个有效像素点,如“汉”字中的“又”,因此,“又”所涉及到的所有有效像素点会归集至同一个识别库中,并按照有效像素点本身的矩阵位置排列排列为“又”这个状态,这样便可以通过现有的文字识别方法直接识别出该内容。
更重要的是,本方法应用的环境为用户在移动终端上进行书写,而用户书写汉字的时候并不像楷书中显示的那样规范,如“汉”字,正规的楷书按照前述的方法大概率会形成四个识别库,而人为书写的习惯往往会在同一个汉字内发生笔画交叉、连笔等情况,这就会使得通过上述方法可以直接获取一个完整汉字的识别库,且该识别库对应的即该“汉”字,如图4中所示的“汉”字的书写状态,所有笔画均有相连,因此对于多个汉字书写的可以大大提高拆分效率。
通常第四步执行完成后,对于有些情况下多个汉字书写,即可完成汉字拆分的目的,后续只需要对拆分出来的每一个汉字进行单独识别即可,而单一汉字的识别方法现有技术中已有较多记载,本申请不赘述。
但是也有些书写情况下,仅执行完第四步是无法准确拆分出每个汉字的,如图3中示出的书写状态,笔画之间是相对清晰的分离状态,因此一个“汉”字会形成四个识别库,需要执行下述的方法来对该情况进行补充处理。
步骤五、识别出每一个识别库中的待识别内容,并根据预先设置的规则库将识别内容标记为整字和非整字两种,其中整字是指识别出来的内容可以单独成为一个汉字,非整字是指识别出来的内容无法单独成为一个汉字,如“胡”字中的“古”和“月”属于整字,而“别”中的“另”为整字,而“刂”为非整字,这种非整字必须与其他的内容组合才能形成一个完整的汉字。
基于前述的记载,每一个识别库中都会有待识别的内容,如前述记载的笔画均有相连的“汉”字便会直接通过单一汉字的识别方法来识别。
而对于笔画未相连的书写内容,如图3中示出的内容,则会分别形成“丶”、“丶”、“/”、“又”、“米”、“古”、“月”、“日”等识别库,这部分内容识别出来是零碎的笔画或偏旁,并不能判断该如何组合形成一个完整的字,尤其是“又”、“米”、“古”、“月”等本身就是可以单独成为一个字,更容易对拆分结果造成影响。
但是汉字的形成规则,是可以将这些识别出来的内容进行分类的,也即整字和非整字两种,“又”、“米”、“古”、“月”等为整字,“丶”、“丶”、“/”为非整字。
步骤六、根据组合规则将非整字与其他识别内容组合对识别内容进行更新,非整字与其他识别内容组合的方式通常包括向后组合、向前组合、向下组合、向上组合等,例如“扌”通常出现在字的左边,因此通常采用向后组合的方式与其他识别内容组合,“刂”通常出现在字的右边,因此通常采用向前组合的方式与其他识别内容组合,“艹”通常出现在字的上边,因此通常采用向下组合的方式与其他识别内容组合,“灬”通常出现在字的下边,因此通常采用向上组合的方式与其他识别内容组合。
经过前述步骤的识别和标记,非整字是明显不可能被单独拆分出来作为一个汉字的,只是因为其在汉字中的结构是相对独立的,与其他部分不相连,而根据规则被单独归集至一个识别库中,因此该步骤主要是将非整字的内容与其他识别内容组合。如“别”字会被归集出“另”和“刂”两个识别库,而“刂”通过步骤五会被标记为非整字,根据组合规则即会将“刂”向左组合,与前一个识别库中的内容组合并对前一个识别库中的内容进行更新,如“别”会从“另”和“刂”两个识别库组个更新为一个“别”的识别库。
需要说明的是,本申请中的组合规则是基于步骤一中建立的书写时间轴执行的,书写时间轴会确立一个明确的书写顺序,根据汉字从左到右、从上到下、从外到内的书写规则,“刂”向左组合是因为一方面“刂”出现在汉字的右侧且右侧的部分是后书写的,其他的组合规则亦是如此。
步骤七、将更新后的识别内容按照书写时间轴依次间隔排列,同时统计更新后的所有识别内容的面域,计算平均面域和预测汉字数量,利用平均面域与更新后的所有识别内容的面域依次进行比较,判断更新后的识别内容的面域与平均面域的比值是否小于预设值,不小于则跳过该识别内容并将该识别内容标记为一个成型字,若小于则根据书写时间轴将该识别内容与后一识别内容再次组合更新形成新的识别内容,重复判断直到比值不小于预设值则跳过该识别内容并将更新后的识别内容标记为一个成型字,以此类推直到所有识别内容比较结束。
根据上述记载的内容,发现依据图3书写的“汉糊旱系”四个字无法通过步骤六更新至准确的汉字,因此需要进一步对识别内容进行更新。
根据本步骤记载,需要首先计算平均面域,本申请中“面域”是指能覆盖识别内容的最小的矩形的面积,如图3中所示,在汉字连续书写的过程中,会有一个增长延伸方向x和一个汉字高度方向y,而汉字是偏方正的结构,获取所书写的汉字在y方向上的两个极端位置的参数,如“糊”字中“古”的顶部为上极端的y为25,“旱”字中“干”的底部为下极端的y为35,则以100(10*10)为标准的平均面域,同时也能获取所有识别内容的面域,通过简单除法即可得到预测汉字数量,通常情况下预测汉字数量并不会是整数,因为书写的汉字之间有一定的间隔,且书写的汉字大小并不是标准的,形状也并不是标准的,在计算预测汉字数量时采用简单的四舍五入即可获得预测汉字数量,如图3中的总面域为120,最后计算得到的预测汉字数为4。
基于上述记载,第一个“汉”字归集的四个识别库中内容对应的面域都会明显小于平均面域100,比值小于0.9(该比值并不是一定的,可以根据实际情况进行设定),因此第一个“汉”字中的三个点会进行组合,并再次与“又”字组合从而获得目标的“汉”字,通过“汉”字的面域与平均面域100的比值判断,发现是大于0.9,则完成将前四个识别库中内容组合为一个识别库的操作,并跳过该识别库,再执行后面的识别库的比较,从而依次获得“汉”、“糊”、“旱”、“系”四个识别库,最后通过单一汉字的识别方法来分别识别出每一个识别库中的识别内容,同时可以利用计算的预测汉字数进行校核。
另外,在对若干个识别库中的识别内容组合更新为一个新的识别库的过程中,是通过直接调用步骤二中建立的笔画图层和显示图层进行的,也就说可以讲“汉”字涉及的四个识别库中的识别内容对应的笔画图层直接同位叠加,从而获得更新后的识别库,本申请中所记载的“同位叠加”是指在同一坐标系统中,分别在不同笔画图层记录不同笔画的坐标信息,然后保持坐标参考系一致的前提下,将不同笔画图层中的不同笔画的坐标信息复刻到同一个同层中。
通过上述记载的方法可以在用户连续书写多个汉字的时候,主动对连续的多个汉字进行有效分割,可以直接通过调用现有的对单一汉字的识别方法来识别用户的书写内容,降低对连续书写的多个汉字同时进行识别的难度,同时也能避免现有的识别方法无法适用于连续书写的多个汉字的同时识别而导致的识别准确率降低的问题。
以上实施例仅用以说明本发明的技术方案,而非对其限制。
Claims (7)
1.移动终端上汉字笔画书写识别方法,其特征在于,包括如下步骤:
步骤一、将有效书写区域进行像素化分割形成矩阵化像素点,每个像素点具有唯一的矩阵位置;
步骤二、在有效书写区域内获取连续书写的汉字,并同时建立书写时间轴;
步骤三、扫描有效书写区域内的矩阵化像素点,确定有效像素点和无效像素点;
步骤四、去除无效像素点,将矩阵化像素点中矩阵位置彼此相邻的所有有效像素点归集至同一个识别库中,并按照矩阵位置排列形成待识别内容;
步骤五、通过识别库将连续书写的汉字拆分的为单一的汉字进行识别。
2.根据权利要求1所述的移动终端上汉字笔画书写识别方法,其特征在于,步骤四之后、步骤五之前对识别库进行更新,对识别库进行更新的方法为:
识别出每一个识别库中的待识别内容,并根据预先设置的规则库将识别内容标记为整字和非整字;
根据组合规则将非整字与其他识别内容组合对识别内容进行更新。
3.根据权利要求2所述的移动终端上汉字笔画书写识别方法,其特征在于,将更新后的识别内容按照书写时间轴依次间隔排列,同时统计更新后的所有识别内容的面域,计算平均面域和预测汉字数量,利用平均面域与更新后的所有识别内容的面域依次进行比较,判断更新后的识别内容的面域与平均面域的比值是否小于预设值,不小于则跳过该识别内容并将该识别内容标记为一个成型字,若小于则根据书写时间轴将该识别内容与后一识别内容再次组合更新形成新的识别内容,重复判断直到比值不小于预设值则跳过该识别内容并将更新后的识别内容标记为一个成型字,直到所有识别内容比较结束。
4.根据权利要求2所述的移动终端上汉字笔画书写识别方法,其特征在于,计算平均面域的方法为:
确定连续书写过程中汉字高度方向和汉字数量增长延伸方向;
获取汉字高度方向上的尺寸参数,并以尺寸参数的平方记为平均面域。
5.根据权利要求4所述的移动终端上汉字笔画书写识别方法,其特征在于,计算预测汉字数量的方法为:
能获取所有识别内容的总面域;
将总面域与平均面域相除后取整即得预测汉字数量。
6.根据权利要求1所述的移动终端上汉字笔画书写识别方法,其特征在于,步骤二中同时建立以书写时间轴为维度的笔画图层和显示图层,每一次落笔和提笔之间书写的内容单独建立一个笔画图层,所有笔画图层同位叠加形成显示图层。
7.根据权利要求1所述的移动终端上汉字笔画书写识别方法,其特征在于,步骤三中扫面前对有效书写区域内进行图像二值化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091329.9A CN117275013B (zh) | 2023-08-25 | 移动终端上汉字笔画书写识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091329.9A CN117275013B (zh) | 2023-08-25 | 移动终端上汉字笔画书写识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117275013A true CN117275013A (zh) | 2023-12-22 |
CN117275013B CN117275013B (zh) | 2024-05-14 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080019875A (ko) * | 2006-08-29 | 2008-03-05 | 박길용 | 터치스크린상의 픽셀 변동정보 조합을 이용한 필기식문자입력이 가능한 이동통신단말기 및 필기식 문자입력방법 |
CN102073884A (zh) * | 2010-12-31 | 2011-05-25 | 北京捷通华声语音技术有限公司 | 一种手写识别方法、系统及手写识别终端 |
CN105094381A (zh) * | 2015-07-21 | 2015-11-25 | 网易(杭州)网络有限公司 | 一种书写处理方法和装置 |
CN113673432A (zh) * | 2021-08-23 | 2021-11-19 | 京东方科技集团股份有限公司 | 手写识别方法、触摸显示设备、计算机设备及存储介质 |
CN114067324A (zh) * | 2021-10-27 | 2022-02-18 | 厦门友微科技有限公司 | 一种验证码图片识别方法、装置、设备及存储介质 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080019875A (ko) * | 2006-08-29 | 2008-03-05 | 박길용 | 터치스크린상의 픽셀 변동정보 조합을 이용한 필기식문자입력이 가능한 이동통신단말기 및 필기식 문자입력방법 |
CN102073884A (zh) * | 2010-12-31 | 2011-05-25 | 北京捷通华声语音技术有限公司 | 一种手写识别方法、系统及手写识别终端 |
CN105094381A (zh) * | 2015-07-21 | 2015-11-25 | 网易(杭州)网络有限公司 | 一种书写处理方法和装置 |
CN113673432A (zh) * | 2021-08-23 | 2021-11-19 | 京东方科技集团股份有限公司 | 手写识别方法、触摸显示设备、计算机设备及存储介质 |
CN114067324A (zh) * | 2021-10-27 | 2022-02-18 | 厦门友微科技有限公司 | 一种验证码图片识别方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
W. V. S. K. WASALTHILAKE等: "Improved Handwritten Character Recognition for Sinhala Language based on Convolutional Neural Networks", 《IEEE》, 18 July 2022 (2022-07-18) * |
张博等: "一种字符定位及识别技术在交通领域的应用", 《传感器世界》, 25 February 2021 (2021-02-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10853565B2 (en) | Method and device for positioning table in PDF document | |
CN103093181B (zh) | 一种车牌图像定位的方法和装置 | |
Samra et al. | Localization of license plate number using dynamic image processing techniques and genetic algorithms | |
CN102903136B (zh) | 一种手写笔迹电子化方法和系统 | |
CN102567300A (zh) | 图片文档的处理方法及装置 | |
CN110045840B (zh) | 一种书写轨迹关联的方法、装置、终端设备和存储介质 | |
CN110414563A (zh) | 考试成绩统计方法、系统及计算机可读存储介质 | |
CN113343815B (zh) | 一种pdf等版式文档中识别表格的方法 | |
CN103927535A (zh) | 一种汉字书写识别方法及装置 | |
CN111275049A (zh) | 一种文字图像骨架特征描述符获取的方法及装置 | |
CN117275013B (zh) | 移动终端上汉字笔画书写识别方法 | |
JP2007058882A (ja) | パターン認識装置 | |
CN117275013A (zh) | 移动终端上汉字笔画书写识别方法 | |
JPH0256707B2 (zh) | ||
CN108388898A (zh) | 基于连接体和模板的字符识别方法 | |
JP5505106B2 (ja) | 手書き文字分離装置、手書き文字分離方法及び手書き文字分離プログラム | |
CN117095275A (zh) | 一种数据中心资产盘点方法、系统、装置及存储介质 | |
CN114694159A (zh) | 一种工程图bom识别方法、装置、电子设备和存储介质 | |
JP4176175B2 (ja) | パターン認識装置 | |
CN114937279A (zh) | 基于rpa和ai实现ia的bom识别方法及装置 | |
CN111260723B (zh) | 棒材的质心定位方法及终端设备 | |
TWM623309U (zh) | 英文字體影像辨識系統 | |
CN102262614A (zh) | 纵向校对方法和装置 | |
CN113516158A (zh) | 基于Faster R-CNN的图模型构建方法 | |
CN109871910A (zh) | 一种手写字符识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |