JPS6037957B2 - 文字認識装置 - Google Patents
文字認識装置Info
- Publication number
- JPS6037957B2 JPS6037957B2 JP55100296A JP10029680A JPS6037957B2 JP S6037957 B2 JPS6037957 B2 JP S6037957B2 JP 55100296 A JP55100296 A JP 55100296A JP 10029680 A JP10029680 A JP 10029680A JP S6037957 B2 JPS6037957 B2 JP S6037957B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- dictionary
- character
- circuit
- input
- 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.)
- Expired
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
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
- G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
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)
Description
【発明の詳細な説明】
本発明は、文字認識装置、特に認識対象文字についての
標準特徴パターン情報を複数個格納している特徴辞書に
分散比を計算するための平均辞書を分散辞書とをもうけ
、特徴辞書情報の標準辞書パターンと認識対象文字から
抽出された特徴パターンとを照合して選定された候補カ
テゴリに対し、上記分散比の重み付けを行なって再度照
合処理を実行するようにした文字認識装置に関するもの
である。
標準特徴パターン情報を複数個格納している特徴辞書に
分散比を計算するための平均辞書を分散辞書とをもうけ
、特徴辞書情報の標準辞書パターンと認識対象文字から
抽出された特徴パターンとを照合して選定された候補カ
テゴリに対し、上記分散比の重み付けを行なって再度照
合処理を実行するようにした文字認識装置に関するもの
である。
従来の文字認識装置における特徴照合部では次の如き照
合処理が行なわれている。
合処理が行なわれている。
即ち認識対象文字から得られる多数の特徴値と標準辞書
内に予め用意されている各カテゴリの標準特徴パターン
との距離を求め、その距離から得られる不一致度の最も
小さいカテゴリを答とする方式が採用されている。上記
抽象的説明を具体的に説明すると、入力対象文字の特徴
ベクトルｘとして入力特徴ベクトルｘ＝（ｘ，，杉，…
…，ｘＮ） ．．．．．．
．・・｛１｝但しＮは特徴の次元数を表わすまたカテゴ
リｈについての標準特徴パターン辞書として平均をｒｈ
と分散を。
内に予め用意されている各カテゴリの標準特徴パターン
との距離を求め、その距離から得られる不一致度の最も
小さいカテゴリを答とする方式が採用されている。上記
抽象的説明を具体的に説明すると、入力対象文字の特徴
ベクトルｘとして入力特徴ベクトルｘ＝（ｘ，，杉，…
…，ｘＮ） ．．．．．．
．・・｛１｝但しＮは特徴の次元数を表わすまたカテゴ
リｈについての標準特徴パターン辞書として平均をｒｈ
と分散を。
ｈとを用意したとするとき平均辞書ムｈ＝（ｒ？，ムｇ
，・・・・・・ムｂ）・・・・・・【２’分散辞書ｏｈ
：（ＯＴ，ｒ窒，・・・・・・，ＯＱ）．・・．・・‘
３１で与えられる。
，・・・・・・ムｂ）・・・・・・【２’分散辞書ｏｈ
：（ＯＴ，ｒ窒，・・・・・・，ＯＱ）．・・．・・‘
３１で与えられる。
この場合の入力対象文字とカテゴリｈの上記標準特徴パ
ターン辞書との不一致度Ｄ■は次の式で与えられる。不
一致度Ｄ ・…．・【４｝ 不一致度として例えば ｄ（力，ｒｌ，。
ターン辞書との不一致度Ｄ■は次の式で与えられる。不
一致度Ｄ ・…．・【４｝ 不一致度として例えば ｄ（力，ｒｌ，。
ｉ）＝ｌ×ｉ−ｒｉｌ／ひｉ等が用いられる。しかしな
がら認識対象文字の中に相似かよったカテゴリが多数あ
る場合には、不一致度Ｄ■の最も小さいもの以外のもの
もその値に非常に近くなるＤ■が存在する。
がら認識対象文字の中に相似かよったカテゴリが多数あ
る場合には、不一致度Ｄ■の最も小さいもの以外のもの
もその値に非常に近くなるＤ■が存在する。
このような場合、不一致Ｄ■の最も４・さし、カテゴリ
ｈを答としたのでは誤認識が生じやすく、正解は上記最
４・一致度Ｄ■に近い次の最４・値Ｄ■のカテゴリＰで
あることが起り得る。このような事態が起るのは入力対
象文字から抽出された特徴ベクトルｘの各特徴要素幻を
均等に標準特徴パターン辞書と照合していることに起因
している。本発明は、上記の点を解決することを目的と
しており、上記の如く標準特徴パターン辞書との照合で
選出された候補カテゴリに対し、分散比を重みとする重
み付けを付した特徴と入力対象文字の特徴との照合を再
度実行し、認識精度の向上をかかった文字認識装置の提
供を目的としている。
ｈを答としたのでは誤認識が生じやすく、正解は上記最
４・一致度Ｄ■に近い次の最４・値Ｄ■のカテゴリＰで
あることが起り得る。このような事態が起るのは入力対
象文字から抽出された特徴ベクトルｘの各特徴要素幻を
均等に標準特徴パターン辞書と照合していることに起因
している。本発明は、上記の点を解決することを目的と
しており、上記の如く標準特徴パターン辞書との照合で
選出された候補カテゴリに対し、分散比を重みとする重
み付けを付した特徴と入力対象文字の特徴との照合を再
度実行し、認識精度の向上をかかった文字認識装置の提
供を目的としている。
そしてそのため本発明の文字認識装置は入力文字から特
徴パターンを抽出する特徴抽出回路をそなえ、認識対象
文字についての標準特徴パターン情報を複数個格納して
いる特徴辞書をそなえ、該特徴辞書から読出された特徴
パターン情報と認識対象文字から抽出された特徴パタ−
ンとを照合して入力対象文字を認識する文字認識装置に
おいて、上記特徴辞書が認識対象文字の平均値情報及び
分散値情報をそれぞれ格納している平均辞書及び分散辞
書とをそなえた構成をなし、これら辞書からの情報に基
づいて照合処理のなされた認識対象文字の候補カテゴリ
を選択する候補カテゴリ判定回路をもうけ、かつ選択さ
れた候補カテゴリに対応して再照合のための重みを計算
するための分散比計算回路をもうけ、特徴辞書情報と認
識対象文字から抽出された特徴パターンとを照合して選
出された候補カテゴリに対し、上記重み付けを行なった
上で再度照合処理を実行するようにしたことを特徴とし
ている。以下図面を参照しつつ説明する。第１図は入力
特徴ベクトルｘの特徴次元ｘＭに対する各認識対象文字
についての頻度分布曲線図、第２図は本発明の一実施例
構成を示している。
徴パターンを抽出する特徴抽出回路をそなえ、認識対象
文字についての標準特徴パターン情報を複数個格納して
いる特徴辞書をそなえ、該特徴辞書から読出された特徴
パターン情報と認識対象文字から抽出された特徴パタ−
ンとを照合して入力対象文字を認識する文字認識装置に
おいて、上記特徴辞書が認識対象文字の平均値情報及び
分散値情報をそれぞれ格納している平均辞書及び分散辞
書とをそなえた構成をなし、これら辞書からの情報に基
づいて照合処理のなされた認識対象文字の候補カテゴリ
を選択する候補カテゴリ判定回路をもうけ、かつ選択さ
れた候補カテゴリに対応して再照合のための重みを計算
するための分散比計算回路をもうけ、特徴辞書情報と認
識対象文字から抽出された特徴パターンとを照合して選
出された候補カテゴリに対し、上記重み付けを行なった
上で再度照合処理を実行するようにしたことを特徴とし
ている。以下図面を参照しつつ説明する。第１図は入力
特徴ベクトルｘの特徴次元ｘＭに対する各認識対象文字
についての頻度分布曲線図、第２図は本発明の一実施例
構成を示している。
第１図において、藤軸は入力特徴ベクトルｘの特徴次元
ｘＭの特徴値を、縦軸は頻度をそれぞれ表わす。
ｘＭの特徴値を、縦軸は頻度をそれぞれ表わす。
式｛４’の不一致度計算式を用いて選出されたｎ個候補
カテゴリについて入力特徴ベクトルｘの特徴次元ｘＭに
関する頻度曲線は一般に第１図の如く分布する。理解し
やすくするために具体的な例を挙げて説明すると、例え
ばｎ個の候補カテゴリが左の山から右の山への順に文字
「大ハ「大ハ「大ハ「夫」であり、入力特徴ベクトルｘ
の特徴次元ｘＭに２値化信号の「黒」の数が特徴値に選
ばれている場合「各文字毎に第１図の如き分布をなすと
考えられる。そして山，は文字「大一に関する特徴「黒
」の数の平均値を表わし、。≧はその分散値を表わす。
同様にｒｉは文字「大一に関する特徴「黒」の数の平均
値を表わし、。；はその分散値を表わしている。以下文
字「太一、「夫」についても同機である。ここで上記従
来の文字認識装置に用いられている特徴照合処理につい
て検討してみるに、式【４１で選出された候補カテゴリ
は式【１｝の入力特徴ベクトルｘの各要素である特徴広
，，ｘ２，・・・・・・，ｘＮについて各々均等に評価
されて不一致度計算に関与している。
カテゴリについて入力特徴ベクトルｘの特徴次元ｘＭに
関する頻度曲線は一般に第１図の如く分布する。理解し
やすくするために具体的な例を挙げて説明すると、例え
ばｎ個の候補カテゴリが左の山から右の山への順に文字
「大ハ「大ハ「大ハ「夫」であり、入力特徴ベクトルｘ
の特徴次元ｘＭに２値化信号の「黒」の数が特徴値に選
ばれている場合「各文字毎に第１図の如き分布をなすと
考えられる。そして山，は文字「大一に関する特徴「黒
」の数の平均値を表わし、。≧はその分散値を表わす。
同様にｒｉは文字「大一に関する特徴「黒」の数の平均
値を表わし、。；はその分散値を表わしている。以下文
字「太一、「夫」についても同機である。ここで上記従
来の文字認識装置に用いられている特徴照合処理につい
て検討してみるに、式【４１で選出された候補カテゴリ
は式【１｝の入力特徴ベクトルｘの各要素である特徴広
，，ｘ２，・・・・・・，ｘＮについて各々均等に評価
されて不一致度計算に関与している。
この候補カテゴリｎ個の中から入力対象文字に相当する
文字を認識するには、更に詳細な識別を行なうことが必
要となる。これら候補カテゴリ内での識別を行なうに当
っては、入力特徴ベクトルｘの要素幻のうち識別に有効
に作用するものとそれ程有効性を持たないものとが存在
する。そこで上記候補カテゴリ内において、認識対象文
字を有効に識別するためには、自己の属するカテゴリ内
則ち級内の変動についてはそれを安定に吸収し「各カテ
ゴリ間即ち級間においてはその相違を明確にする特徴を
選択することが望まれる。第１図を用いて説明すると、
例えば左から２番目の山と左から３番号の山との間すな
わち級間が重なり合う度合が少なく、山と山とが明確に
区別できることであり、また山自身の広がりが挟く分布
していること則ち分散。；が小さければ隣接する山同志
が重なり合うことが少ないことを視覚的に表現している
。第１図は入力特徴ベクトルｘの特徴ｘＭについての頻
度曲線であるが、このような山と山とを明確に区別でき
る特徴次元については上記候補カテゴリ内での特徴照合
処理において、より重要な特徴次元として大きく評価す
れば認識精度の向上が期待される。
文字を認識するには、更に詳細な識別を行なうことが必
要となる。これら候補カテゴリ内での識別を行なうに当
っては、入力特徴ベクトルｘの要素幻のうち識別に有効
に作用するものとそれ程有効性を持たないものとが存在
する。そこで上記候補カテゴリ内において、認識対象文
字を有効に識別するためには、自己の属するカテゴリ内
則ち級内の変動についてはそれを安定に吸収し「各カテ
ゴリ間即ち級間においてはその相違を明確にする特徴を
選択することが望まれる。第１図を用いて説明すると、
例えば左から２番目の山と左から３番号の山との間すな
わち級間が重なり合う度合が少なく、山と山とが明確に
区別できることであり、また山自身の広がりが挟く分布
していること則ち分散。；が小さければ隣接する山同志
が重なり合うことが少ないことを視覚的に表現している
。第１図は入力特徴ベクトルｘの特徴ｘＭについての頻
度曲線であるが、このような山と山とを明確に区別でき
る特徴次元については上記候補カテゴリ内での特徴照合
処理において、より重要な特徴次元として大きく評価す
れば認識精度の向上が期待される。
上記の如き評価の尺度として「分散＊＊比」が知られて
おり、該分散比を入力特磯ベクトルｘの重み付けを行な
って特徴照合処理に導入する。なお上記分散比は候補カ
テゴリ数をｎとしてとき次式で与えられる。上式■から
求められた分散比のｉを式｛１｝の入力特徴ベクトルｘ
の各特徴次元刈こ重みとして各特徴次元幻と辞書との距
離に掛け算を行なって積をとり、特徴次元ｘｉの中から
有効な特徴を重視するようにして不一致度を求める。
おり、該分散比を入力特磯ベクトルｘの重み付けを行な
って特徴照合処理に導入する。なお上記分散比は候補カ
テゴリ数をｎとしてとき次式で与えられる。上式■から
求められた分散比のｉを式｛１｝の入力特徴ベクトルｘ
の各特徴次元刈こ重みとして各特徴次元幻と辞書との距
離に掛け算を行なって積をとり、特徴次元ｘｉの中から
有効な特徴を重視するようにして不一致度を求める。
候補カテゴリ数がｎのときの上記分散比のｉを重み付け
となしたカテゴリｈ‘こ対する不一致度Ｄ■は次式で与
えられる。不一致度Ｄ …．・・｛６） 式｛６）により得られる不一致度Ｄ■の中で最も値が小
さいカテゴリを答とすれば、式｛４）で得られるカテゴ
リよりも精度の高い識別が可能となる。
となしたカテゴリｈ‘こ対する不一致度Ｄ■は次式で与
えられる。不一致度Ｄ …．・・｛６） 式｛６）により得られる不一致度Ｄ■の中で最も値が小
さいカテゴリを答とすれば、式｛４）で得られるカテゴ
リよりも精度の高い識別が可能となる。
第２図は本発明の−実施例構成を示しており、符号１は
観測回路、２は前処理回路、３は特徴抽出回路、４は識
別回路、５は候補カテゴリ判定回路、６は分散辞書、７
は平均辞書、８は分算比計算回路、９は識別回路をそれ
ぞれ表わしている。認識対象の入力文字が観測回路１に
入力され、該観測回路１で標本化。２値量子化等の処理
がなされたパターン信号が前処理回路２へ送られる。
観測回路、２は前処理回路、３は特徴抽出回路、４は識
別回路、５は候補カテゴリ判定回路、６は分散辞書、７
は平均辞書、８は分算比計算回路、９は識別回路をそれ
ぞれ表わしている。認識対象の入力文字が観測回路１に
入力され、該観測回路１で標本化。２値量子化等の処理
がなされたパターン信号が前処理回路２へ送られる。
該前処理回路２で雑音除去、切り出し、正規化等の処理
を経て特徴抽出回路３へ送られる。特徴抽出回路３では
入力文字の特徴ベクトル式【１１の特徴次元ｘｊが抽出
され、該抽出された特徴ｘが識別回路４に送られる。識
別回路４では平均辞書７および分散辞書６からそれぞれ
ｒｈと。ｈとが得られ、式｛４｝により不一致度が計算
される。そしてカテゴリ名と不一致度とが出力され、候
補カテゴリ判定回路５に入力される。ここで不一致度が
閥値以下にあるカテゴリ名が１個のときは当該カテゴリ
が答Ａ，として識別される。一方上記閥値より低い値を
もつ不一致度のカテゴリ名が複数個存在するときは候補
カテゴリとして上記説明の分散比を求めるため、辞書ア
ドレスが候補カテゴリ判定回路５で決定される。該辞書
アドレスに基づいて候補カテゴリの平均辞書７と分散辞
書６との格納辞書内容が謙出されて分散比計算回路８に
入力される。候補カテゴリについての平均辞書および分
散辞書とを受けた分散比計算回路８は式【５｝に従がつ
て分散比を計算し、その結果を識別回路９に送出する。
また分散比計算回路８から特徴抽出回路３に対し入力特
徴ベクトルｘを読出す特徴議出し信号を送り、入力特徴
ベクトルｘを識別回路９に入力させる。また同時に平均
辞書７及び分散辞書６からそれぞれの平均値仏ｒ、分散
値。ｒが入力されているから、該識別回路９では入力特
徴ベクトルｘとの不一致度計算に当って上記分散比計算
回路８で計算された分散比を重み付けして再度照合処理
がなされる。即ち式６による不一致度を計算し、候補カ
テゴリの中から該不一致度の最も小さいカテゴリが答ん
として出力される。以上説明した如く、本発明によれば
、各特徴次元と辞書をの距離から得られる不一致度の値
が小さい複数の候補カテゴリに対し、各特徴次元に分散
比の重み付けをなして有効な特徴に大きい評価も与える
ようにして鎖度照合処理を実行するようにしたことによ
り、謀認識が低下して認識の精度の向上が可能となる。
を経て特徴抽出回路３へ送られる。特徴抽出回路３では
入力文字の特徴ベクトル式【１１の特徴次元ｘｊが抽出
され、該抽出された特徴ｘが識別回路４に送られる。識
別回路４では平均辞書７および分散辞書６からそれぞれ
ｒｈと。ｈとが得られ、式｛４｝により不一致度が計算
される。そしてカテゴリ名と不一致度とが出力され、候
補カテゴリ判定回路５に入力される。ここで不一致度が
閥値以下にあるカテゴリ名が１個のときは当該カテゴリ
が答Ａ，として識別される。一方上記閥値より低い値を
もつ不一致度のカテゴリ名が複数個存在するときは候補
カテゴリとして上記説明の分散比を求めるため、辞書ア
ドレスが候補カテゴリ判定回路５で決定される。該辞書
アドレスに基づいて候補カテゴリの平均辞書７と分散辞
書６との格納辞書内容が謙出されて分散比計算回路８に
入力される。候補カテゴリについての平均辞書および分
散辞書とを受けた分散比計算回路８は式【５｝に従がつ
て分散比を計算し、その結果を識別回路９に送出する。
また分散比計算回路８から特徴抽出回路３に対し入力特
徴ベクトルｘを読出す特徴議出し信号を送り、入力特徴
ベクトルｘを識別回路９に入力させる。また同時に平均
辞書７及び分散辞書６からそれぞれの平均値仏ｒ、分散
値。ｒが入力されているから、該識別回路９では入力特
徴ベクトルｘとの不一致度計算に当って上記分散比計算
回路８で計算された分散比を重み付けして再度照合処理
がなされる。即ち式６による不一致度を計算し、候補カ
テゴリの中から該不一致度の最も小さいカテゴリが答ん
として出力される。以上説明した如く、本発明によれば
、各特徴次元と辞書をの距離から得られる不一致度の値
が小さい複数の候補カテゴリに対し、各特徴次元に分散
比の重み付けをなして有効な特徴に大きい評価も与える
ようにして鎖度照合処理を実行するようにしたことによ
り、謀認識が低下して認識の精度の向上が可能となる。
第１図は入力特徴ｘの特徴次元ｘＭに対する認識対象文
字の頻度分布曲線の一例、第２図は本発明の一実施例構
成を示す。 図中、１は観測回路、２は前処理回路、３は特徴抽出回
路、４は識別回路、５は候補カテゴリ判別回路、６は分
散辞書、７は平均辞書、８は分散比計算回路、９は識別
回路を各々表わしている。 多ｌ図努Ｚ図
字の頻度分布曲線の一例、第２図は本発明の一実施例構
成を示す。 図中、１は観測回路、２は前処理回路、３は特徴抽出回
路、４は識別回路、５は候補カテゴリ判別回路、６は分
散辞書、７は平均辞書、８は分散比計算回路、９は識別
回路を各々表わしている。 多ｌ図努Ｚ図
Claims (1)
- １ 入力文字から特徴パターンを抽出する特徴抽出回路
をそなえ、認識対象文字についての標準特徴パターン情
報を複数個格納している特徴辞書をそなえ、該特徴辞書
から読出された特徴パターン情報と認識対象文字から抽
出された特徴パターンとを照合して入力対象文字を認識
する文字認識装置において、上記特徴辞書が認識対象文
字の平均値情報及び分散値情報をそれぞれ格能している
平均辞書及び分散辞書とをそなえた構成をなし、これら
辞書からの情報に基づいて照合処理のなされた認識対象
文字の候補カテゴリを選択する候補カテゴリ判定回路を
もうけ、かつ選択された候補カテゴリに対応して再照合
のための重みを計算するための分散比計算回路をもうけ
、特徴辞書情報と認識対象文字から抽出された特徴パタ
ーンとを照合して選出された候補カテゴリに対し、上記
重み付けを行なつた上で再度照合処理を実行するように
したことを特徴とする文字認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55100296A JPS6037957B2 (ja) | 1980-07-22 | 1980-07-22 | 文字認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55100296A JPS6037957B2 (ja) | 1980-07-22 | 1980-07-22 | 文字認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5725080A JPS5725080A (en) | 1982-02-09 |
| JPS6037957B2 true JPS6037957B2 (ja) | 1985-08-29 |
Family
ID=14270202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP55100296A Expired JPS6037957B2 (ja) | 1980-07-22 | 1980-07-22 | 文字認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6037957B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58166490A (ja) * | 1982-03-26 | 1983-10-01 | Comput Basic Mach Technol Res Assoc | 文字認識方式 |
| JPS58169683A (ja) * | 1982-03-31 | 1983-10-06 | Fujitsu Ltd | 類似パタ−ン識別処理方式 |
| JPS59192A (ja) * | 1982-06-25 | 1984-01-05 | 株式会社東芝 | 個人照合装置 |
| JP2537251B2 (ja) * | 1987-11-21 | 1996-09-25 | 株式会社日立製作所 | 原子炉炉心の運転方法 |
-
1980
- 1980-07-22 JP JP55100296A patent/JPS6037957B2/ja not_active Expired
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5725080A (en) | 1982-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4651289A (en) | Pattern recognition apparatus and method for making same | |
| CN110569837B (zh) | 优化损伤检测结果的方法及装置 | |
| US6259812B1 (en) | Key character extraction and lexicon reduction cursive text recognition | |
| Hassanpour et al. | Feature extraction for paper currency recognition | |
| US5917941A (en) | Character segmentation technique with integrated word search for handwriting recognition | |
| US5005205A (en) | Handwriting recognition employing pairwise discriminant measures | |
| CN105023027A (zh) | 基于多次反馈机制的现场鞋底痕迹花纹图像检索方法 | |
| CN110852364A (zh) | 矿井突水水源识别方法、装置与电子设备 | |
| US5542518A (en) | Method of identifying the denominations of pieces of paper | |
| KR970022829A (ko) | 지문카드 선택장치 및 지문카드 찾기장치 | |
| US6694054B1 (en) | Pattern recognition process | |
| JPS6037957B2 (ja) | 文字認識装置 | |
| CN114168788A (zh) | 音频审核的处理方法、装置、设备及存储介质 | |
| Wahlberg | Gaussian process classification as metric learning for forensic writer identification | |
| CN115470772A (zh) | 一种用于事件检测的语义感知方法 | |
| JP2985893B2 (ja) | パターン認識装置 | |
| KR100441706B1 (ko) | 인식사전최적화방법 | |
| JP3174187B2 (ja) | ガス識別装置 | |
| JP3359173B2 (ja) | 媒体の真偽鑑別装置 | |
| Johannesen et al. | Using weighted minutiae for fingerprint identification | |
| Rashid et al. | Convolutional Neural Network Approach for Precise Fingerprint Recognition | |
| JPS6252912B2 (ja) | ||
| JPS60132281A (ja) | 文字分離装置 | |
| JP3079202B2 (ja) | 文字認識方法及び文字認識装置 | |
| JPH08212300A (ja) | 文字認識方法及び文字認識装置 |