RU2014103156A - Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов - Google Patents
Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов Download PDFInfo
- Publication number
- RU2014103156A RU2014103156A RU2014103156/08A RU2014103156A RU2014103156A RU 2014103156 A RU2014103156 A RU 2014103156A RU 2014103156/08 A RU2014103156/08 A RU 2014103156/08A RU 2014103156 A RU2014103156 A RU 2014103156A RU 2014103156 A RU2014103156 A RU 2014103156A
- Authority
- RU
- Russia
- Prior art keywords
- symbol
- grapheme
- data structure
- parameter values
- ordered set
- Prior art date
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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
-
- 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
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
-
- 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
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
-
- 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
- G06V30/36—Matching; Classification
- G06V30/373—Matching; Classification using a special pattern or subpattern alphabet
Abstract
1. Система оптического распознавания символов, содержащая:один или более процессоров;один или более модулей памяти;одно или более запоминающих устройств; икоманды в машинном коде, хранящиеся в одном или более из одного или более запоминающих устройств при выполнении одним или более из одного или более процессоров управляют системой оптического распознавания символов для обработки содержащего текст отсканированного изображения документа за счет:идентификации изображений символов в содержащем текст отсканированном изображении документа;для каждой страницы документа,для каждого изображения символа на странице,идентификации каждой графемы из набора графем, которая соответствует нормированному изображению символа относительно эталона символа из набора эталонов символов,сортировки идентифицированных графем по частоте, с которой идентифицированные графемы соответствуют нормированному изображению символа относительно эталонов символа в наборе эталонов символов, ииспользования отсортированных идентифицированных графем для выбора кода символа, который представляет нормированное изображение символа; иподготовки обработанного документа, содержащего коды символов, которые представляют нормированные изображения символов из отсканированного изображения документа, и сохранения обработанного документа на одном или более из одного или более запоминающих устройств и модулей памяти.2. Система оптического распознавания символов по п. 1, дополнительно содержащая набор структур данных, который хранится в одном или более из одного или более модулей памяти, причем набор структур данных включает:структур�
Claims (20)
1. Система оптического распознавания символов, содержащая:
один или более процессоров;
один или более модулей памяти;
одно или более запоминающих устройств; и
команды в машинном коде, хранящиеся в одном или более из одного или более запоминающих устройств при выполнении одним или более из одного или более процессоров управляют системой оптического распознавания символов для обработки содержащего текст отсканированного изображения документа за счет:
идентификации изображений символов в содержащем текст отсканированном изображении документа;
для каждой страницы документа,
для каждого изображения символа на странице,
идентификации каждой графемы из набора графем, которая соответствует нормированному изображению символа относительно эталона символа из набора эталонов символов,
сортировки идентифицированных графем по частоте, с которой идентифицированные графемы соответствуют нормированному изображению символа относительно эталонов символа в наборе эталонов символов, и
использования отсортированных идентифицированных графем для выбора кода символа, который представляет нормированное изображение символа; и
подготовки обработанного документа, содержащего коды символов, которые представляют нормированные изображения символов из отсканированного изображения документа, и сохранения обработанного документа на одном или более из одного или более запоминающих устройств и модулей памяти.
2. Система оптического распознавания символов по п. 1, дополнительно содержащая набор структур данных, который хранится в одном или более из одного или более модулей памяти, причем набор структур данных включает:
структуру данных голосов, в которой хранятся накопленные голоса, где каждый накопленный голос связан с кодом графемы и накопленные голоса в структуре данных голосов проиндексированы кодами графем;
структуры данных эталона, каждая из которых представляет эталон символа и включает в себя упорядоченный набор значений параметров, упорядоченный набор индексов и упорядоченный набор кодов графем; и
две или более структур данных кластера, причем каждая структура данных кластера включает в себя упорядоченный набор ссылок на параметры, вес отсечки и одну из множества структур данных эталона или множества ссылок на структуры данных эталона.
3. Система оптического распознавания символов по п. 2, дополнительно содержащая упорядоченный набор функций, которые формируют значения параметров для нормированных изображений символов.
4. Система оптического распознавания символов по п. 3, в которой идентификация каждой графемы из набора графем, соответствующих нормированному изображению символа, относительно эталона символа из набора эталонов символов дополнительно включает:
инициализацию структуры данных голосов; и
накопление голоса в структуре данных голосов для каждого соответствия графемы нормированному изображению символа относительно эталона символа.
5. Система оптического распознавания символов по п. 4, в которой инициализация структуры данных голосов дополнительно содержит присвоение нулевого значения каждому накопленному голосу из структуры данных голосов.
6. Система оптического распознавания символов по п. 4, в которой накопление голоса в структуре данных голосов для каждого соответствия графемы нормированному изображению символа относительно эталона символа дополнительно содержит:
для каждой структуры данных кластера,
выбор в качестве упорядоченного набора значений параметров, связанного с кластером, значений параметров, формируемых в результате применения к нормированному изображению символа функции, соответствующей каждому параметру, на который ссылается упорядоченный набор ссылок на параметры в структуре данных кластера,
для каждой структуры данных эталона, которая содержится внутри структуры данных кластера или на которую она ссылается,
оценку значений параметров из набора значений параметров в структуре данных эталона относительно значений параметров в упорядоченном наборе значений параметров, связанном с кластером, для формирования значения, и
добавление голосов к одному или более накопленным голосам, хранящимся в структуре данных голосов, для каждой из одной или более графем в том случае, если сравнение сформированного значения и порогового значения указывает на потенциальное соответствие нормированного изображения символа эталону символа.
7. Система оптического распознавания символов по п. 6, в которой оценка значений параметров в наборе значений параметров структуры данных эталона относительно значений параметров в упорядоченном наборе значений параметров, связанном с кластером, формирующая значение, дополнительно содержит добавленные абсолютные значения разностей между каждым значением параметра из набора значений параметров структуры данных эталона и соответствующим значением параметра в упорядоченном наборе значений параметров, связанном с кластером.
8. Система оптического распознавания символов по п. 6, в которой добавление голосов к одному или более накопленным голосам, хранящимся в структуре данных голосов, для каждой из одной или более графем дополнительно содержит:
использование сформированного значения для выбора индекса из упорядоченного набора индексов в структуре данных эталона;
использование выбранного индекса для выбора кода графемы из упорядоченного набора кодов графемы в структуре данных эталона; и
для каждого кода графемы в упорядоченном наборе кодов графем в структуре данных эталона, начиная с первого кода графемы и заканчивая выбранным кодом графемы,
индексацию структуры данных голосов при помощи кода графемы для доступа к накопленному голосу для графемы, соответствующей коду графемы, и добавление значения к накопленному голосу для графемы.
9. Система оптического распознавания символов по п. 2, в которой каждая структура данных кластера включает в себя структуры данных эталона, которые вместе распознают изображения символов, соответствующие символам из набора или семейства родственных символов.
10. Способ, используемый в системе оптического распознавания символов, имеющей один или более процессоров, один или более модулей памяти, одно или более запоминающих устройств и команды в машинном коде, которые хранятся на одном или более из одного или более запоминающих устройств и выполняются одним или более из одного или более процессоров, причем способ содержит:
идентификацию изображений символов в содержащем текст отсканированном изображении документа;
для каждой страницы документа,
для каждого изображения символа на странице,
идентификацию каждой графемы из набора графем, которая соответствует нормированному изображению символа относительно эталона символа из набора эталонов символов,
сортировку идентифицированных графем по частоте, с которой идентифицированные графемы соответствуют нормированному изображению символа относительно эталонов символа в наборе эталонов символов, и
использование отсортированных идентифицированных графем для выбора кода символа, который представляет нормированное изображение символа; и
получение обработанного документа, содержащего коды символов, которые представляют нормированные изображения символов из отсканированного изображения документа, и сохранение обработанного документа на одном или более из одного или более запоминающих устройств и модулей памяти.
11. Способ по п. 10, в котором система оптического распознавания символов дополнительно включает в себя набор структур данных, хранимых в одном или более из одного или более модулей памяти, включая:
структуру данных голосов, в которой хранятся накопленные голоса, где каждый накопленный голос связан с кодом графемы и накопленные голоса в структуре данных голосов проиндексированы кодами графем;
структуры данных эталона, каждая из которых представляет эталон символа и включает в себя упорядоченный набор значений параметров, упорядоченный набор индексов и упорядоченный набор кодов графем; и
две или более структур данных кластера, причем каждая структура данных кластера включает в себя упорядоченный набор ссылок на параметры, вес отсечки и одну из множества структур данных эталона или множества ссылок на структуры данных эталона.
12. Способ по п. 11, в котором система оптического распознавания символов дополнительно включает в себя упорядоченный набор функций, формирующих значения параметров из нормированных изображений символов.
13. Способ по п. 12, в котором идентификация каждой графемы из набора графем, соответствующих нормированному изображению символа относительно эталона символа из набора эталонов символов, дополнительно включает:
инициализацию структуры данных голосов; и
накопление голоса в структуре данных голосов для каждого соответствия графемы нормированному изображению символа относительно эталона символа.
14. Способ по п. 13, в котором инициализация структуры данных голосов дополнительно содержит присвоение нулевого значения каждому накопленному голосу из структуры данных голосов.
15. Способ по п. 13, в котором накопление голоса в структуре данных голосов для каждого соответствия графемы нормированному изображению символа относительно эталона символа дополнительно содержит:
для каждой структуры данных кластера,
выбор в качестве упорядоченного набора значений параметров, связанного с кластером, значений параметров, формируемых в результате применения к нормированному изображению символа функции, соответствующей каждому параметру, на который ссылается упорядоченный набор ссылок на параметры в структуре данных кластера,
для каждой структуры данных эталона, которая содержится внутри структуры данных кластера или на которую она ссылается,
оценку значений параметров из набора значений параметров в структуре данных эталона относительно значений параметров в упорядоченном наборе значений параметров, связанном с кластером, для формирования значения, и
добавление голосов к одному или более накопленным голосам, хранящимся в структуре данных голосов, для каждой из одной или более графем в том случае, если сравнение сформированного значения и порогового значения указывает на потенциальное соответствие нормированного изображения символа эталону символа.
16. Способ по п. 15, в котором оценка значений параметров из набора значений параметров структуры данных эталона относительно значений параметров из упорядоченного набора значений параметров, связанного с кластером, формирующая значение, дополнительно содержит добавленные абсолютные значения разностей между каждым значением параметра из набора значений параметров структуры данных эталона и соответствующего значения параметра в упорядоченном наборе значений параметров, связанном с кластером.
17. Способ по п. 15, в котором добавление голосов для каждой из одной или более графем к одному или более накопленным голосам, хранящимся в структуре данных голосов, дополнительно содержит:
использование сформированного значения для выбора индекса из упорядоченного набора индексов в структуре данных эталона;
использование выбранного индекса для выбора кода графемы из упорядоченного набора кодов графемы в структуре данных эталона; и
для каждого кода графемы в упорядоченном наборе кодов графем в структуре данных эталона, начиная с первого кода графемы и заканчивая выбранным кодом графемы,
индексацию структуры данных голосов при помощи кода графемы для доступа к накопленному голосу для графемы, соответствующей коду графемы, и добавление значения к накопленному голосу для графемы.
18. Способ по п. 11, в котором каждая структура данных кластера включает в себя структуры данных эталона, которые вместе распознают изображения символов, соответствующие символам из набора или семейства родственных символов.
19. Команды в машинном коде, хранящиеся в запоминающих устройствах, которые, при выполнении одним или более процессорами в системе оптического распознавания символов, управляют системой оптического распознавания символов для:
идентификации изображений символов в содержащем текст отсканированном изображении документа;
для каждой страницы документа,
для каждого изображения символа на странице,
идентификации каждой графемы из набора графем, которая соответствует нормированному изображению символа относительно эталона символа из набора эталонов символов,
сортировки идентифицированных графем по частоте, с которой идентифицированные графемы соответствуют нормированному изображению символа относительно эталона символа из набора эталонов символов, и
использования отсортированных идентифицированных графем для выбора кода символа, который представляет нормированное изображение символа; и
подготовки обработанного изображения, содержащего коды символов, которые представляют нормированные изображения символов в отсканированном изображении документа, и сохранения обработанного документа на одном или более из одного или более запоминающих устройств или модулей памяти.
20. Команды в машинном коде, хранящиеся в запоминающих устройствах по п. 19, в которых система оптического распознавания символов дополнительно содержит набор структур данных, который хранится в одном или более из одного или более модулей памяти, причем набор структур данных включает:
структуру данных голосов, в которой хранятся накопленные голоса, где каждый накопленный голос связан с кодом графемы и накопленные голоса в структуре данных голосов проиндексированы кодами графем;
структуры данных эталона, каждая из которых представляет эталон символа и включает в себя упорядоченный набор значений параметров, упорядоченный набор индексов и упорядоченный набор кодов графем; и
две или более структур данных кластера, причем каждая структура данных кластера включает в себя упорядоченный набор ссылок на параметры, вес отсечки и одну из множества структур данных эталона или множества ссылок на структуры данных эталона.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014103156A RU2648638C2 (ru) | 2014-01-30 | 2014-01-30 | Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов |
US14/565,782 US9633256B2 (en) | 2014-01-30 | 2014-12-10 | Methods and systems for efficient automated symbol recognition using multiple clusters of symbol patterns |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014103156A RU2648638C2 (ru) | 2014-01-30 | 2014-01-30 | Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2014103156A true RU2014103156A (ru) | 2015-08-10 |
RU2648638C2 RU2648638C2 (ru) | 2018-03-26 |
Family
ID=53679362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014103156A RU2648638C2 (ru) | 2014-01-30 | 2014-01-30 | Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов |
Country Status (2)
Country | Link |
---|---|
US (1) | US9633256B2 (ru) |
RU (1) | RU2648638C2 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2652461C1 (ru) * | 2017-05-30 | 2018-04-26 | Общество с ограниченной ответственностью "Аби Девелопмент" | Дифференциальная классификация с использованием нескольких нейронных сетей |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2643465C2 (ru) * | 2013-06-18 | 2018-02-01 | Общество с ограниченной ответственностью "Аби Девелопмент" | Устройства и способы, которые используют иерархически упорядоченную структуру данных, содержащую непараметризованные символы, для преобразования изображений документов в электронные документы |
RU2703270C1 (ru) * | 2018-10-31 | 2019-10-16 | Общество с ограниченной ответственностью "Аби Продакшн" | Оптическое распознавание символов посредством применения специализированных функций уверенности, реализуемое на базе нейронных сетей |
CN110188750A (zh) * | 2019-05-16 | 2019-08-30 | 杭州电子科技大学 | 一种基于深度学习的自然场景图片文字识别方法 |
RU2721186C1 (ru) * | 2019-07-22 | 2020-05-18 | Общество с ограниченной ответственностью "Аби Продакшн" | Оптическое распознавание символов документов с некопланарными областями |
RU2740159C1 (ru) * | 2019-10-14 | 2021-01-12 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный университет физической культуры, спорта, молодежи и туризма (ГЦОЛИФК)" (РГУФКСМиТ) | Способ копирования или перемещения иерархически структурированных данных с устройства-носителя информации на устройство-потребитель информации |
CN112001393B (zh) * | 2020-07-06 | 2024-02-02 | 西安电子科技大学 | 一种特定字符识别fpga实现方法、系统、存储介质及应用 |
US20230230403A1 (en) * | 2021-12-06 | 2023-07-20 | Hanzifinder Llc | Systems and methods for representing and searching characters |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4950167A (en) | 1989-10-19 | 1990-08-21 | Jewish Employment And Vocational Service | Visual detail perception test kit and methods of use |
US5425110A (en) | 1993-04-19 | 1995-06-13 | Xerox Corporation | Method and apparatus for automatic language determination of Asian language documents |
RU2144556C1 (ru) | 1995-06-07 | 2000-01-20 | Элкор Корпорейшн | Способ разделения газового потока и устройство для его осуществления (варианты) |
US6556712B1 (en) * | 1996-05-23 | 2003-04-29 | Apple Computer, Inc. | Methods and apparatus for handwriting recognition |
US6076051A (en) | 1997-03-07 | 2000-06-13 | Microsoft Corporation | Information retrieval utilizing semantic representation of text |
US6005986A (en) | 1997-12-03 | 1999-12-21 | The United States Of America As Represented By The National Security Agency | Method of identifying the script of a document irrespective of orientation |
US6512522B1 (en) | 1999-04-15 | 2003-01-28 | Avid Technology, Inc. | Animation of three-dimensional characters along a path for motion video sequences |
US6657625B1 (en) | 1999-06-09 | 2003-12-02 | Microsoft Corporation | System and method of caching glyphs for display by a remote terminal |
US6738518B1 (en) * | 2000-05-12 | 2004-05-18 | Xerox Corporation | Document image decoding using text line column-based heuristic scoring |
US6661417B1 (en) | 2000-08-28 | 2003-12-09 | Dynalab Inc. | System and method for converting an outline font into a glyph-based font |
US7254269B2 (en) | 2000-08-31 | 2007-08-07 | Hewlett-Packard Development Company, L.P. | Character recognition system |
RU2251737C2 (ru) * | 2002-10-18 | 2005-05-10 | Аби Софтвер Лтд. | Способ автоматического определения языка распознаваемого текста при многоязычном распознавании |
US7027054B1 (en) | 2002-08-14 | 2006-04-11 | Avaworks, Incorporated | Do-it-yourself photo realistic talking head creation system and method |
US7106905B2 (en) | 2002-08-23 | 2006-09-12 | Hewlett-Packard Development Company, L.P. | Systems and methods for processing text-based electronic documents |
RU2260208C2 (ru) * | 2003-08-21 | 2005-09-10 | Войсковая часть 45807 | Способ факсимильного распознавания и воспроизведения текста печатной продукции |
TWI332635B (en) | 2007-01-05 | 2010-11-01 | Compal Electronics Inc | Method for determing oriention of chinese words |
US7805004B2 (en) | 2007-02-28 | 2010-09-28 | Microsoft Corporation | Radical set determination for HMM based east asian character recognition |
RU2439700C1 (ru) * | 2007-11-30 | 2012-01-10 | Люмэкс Ас | Способ обработки выходных данных оптического распознавания символов (ocr), где выходные данные содержат изображения дважды отпечатанных символов |
US8027539B2 (en) | 2008-01-11 | 2011-09-27 | Sharp Laboratories Of America, Inc. | Method and apparatus for determining an orientation of a document including Korean characters |
US20110043528A1 (en) | 2009-08-24 | 2011-02-24 | Apple Inc. | Cache management for glyph display |
US8787698B2 (en) * | 2009-09-04 | 2014-07-22 | Adobe Systems Incorporated | Methods and apparatus for directional texture generation using image warping |
CN102402693B (zh) | 2010-09-09 | 2014-07-30 | 富士通株式会社 | 处理包含字符的图像的方法和设备 |
GB2500823B (en) * | 2013-03-28 | 2014-02-26 | Paycasso Verify Ltd | Method, system and computer program for comparing images |
-
2014
- 2014-01-30 RU RU2014103156A patent/RU2648638C2/ru active
- 2014-12-10 US US14/565,782 patent/US9633256B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2652461C1 (ru) * | 2017-05-30 | 2018-04-26 | Общество с ограниченной ответственностью "Аби Девелопмент" | Дифференциальная классификация с использованием нескольких нейронных сетей |
Also Published As
Publication number | Publication date |
---|---|
RU2648638C2 (ru) | 2018-03-26 |
US20150213313A1 (en) | 2015-07-30 |
US9633256B2 (en) | 2017-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014103156A (ru) | Способы и системы эффективного автоматического распознавания символов, использующие множество кластеров эталонов символов | |
AU2017302250A1 (en) | Optical character recognition in structured documents | |
CN106446816B (zh) | 人脸识别方法及装置 | |
RU2014103152A (ru) | Способы и системы эффективного автоматического распознавания символов | |
RU2014112237A (ru) | Ввод данных с изображений документов с фиксированной структурой | |
RU2016113791A (ru) | Способ и устройство для построения шаблона и способ и устройство для идентификации информации | |
RU2014112241A (ru) | Построение корпуса сравнимых документов на основе универсальной меры похожести | |
JP5868936B2 (ja) | 二次導関数エッジ検出方法のためのエッジオリエンテーション | |
CN105701488A (zh) | 一种身份证识别方法 | |
CN104123550A (zh) | 基于云计算的文本扫描识别方法 | |
KR101780676B1 (ko) | 트레이닝 이미지를 이용하여 분류 트리를 구성함으로써 rejector를 학습하고 상기 rejector를 이용하여 테스트 이미지 상의 객체를 검출하는 방법 | |
KR102043960B1 (ko) | 얼굴 영상의 다양성에 강인한 얼굴 표정 특징 분류 방법 및 시스템 | |
US10438083B1 (en) | Method and system for processing candidate strings generated by an optical character recognition process | |
RU2017101584A (ru) | Способ и терминал сопоставления изображений по адресной книге | |
CN112182578A (zh) | 一种模型训练方法、检测url的方法及装置 | |
CN106156794B (zh) | 基于文字风格识别的文字识别方法及装置 | |
JP2012064204A5 (ja) | 情報処理装置、情報処理方法、識別装置およびプログラム | |
JP2019168857A5 (ru) | ||
CN103793676A (zh) | 识别二维码与点阵图形构成的防伪标识的方法及装置 | |
US9396407B2 (en) | Image recognition device, recording medium, and image recognition method | |
AU2017302245A1 (en) | Optical character recognition utilizing hashed templates | |
CN105046289A (zh) | 一种文字域类型识别方法和文字域类型识别系统 | |
US8731298B2 (en) | Character recognition apparatus, character recognition method, and computer readable medium storing program | |
CN111079823B (zh) | 验证码图像生成方法及系统 | |
RU2014144496A (ru) | Сравнение документов с использованием достоверного источника |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
HE9A | Changing address for correspondence with an applicant | ||
PC43 | Official registration of the transfer of the exclusive right without contract for inventions |
Effective date: 20181121 |
|
QB4A | Licence on use of patent |
Free format text: LICENCE FORMERLY AGREED ON 20201211 Effective date: 20201211 |
|
QC41 | Official registration of the termination of the licence agreement or other agreements on the disposal of an exclusive right |
Free format text: LICENCE FORMERLY AGREED ON 20201211 Effective date: 20220311 |