Тема: ПРОЕКТИРОВАНИЕ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ СОВЕРШЕНСТВОВАНИЯ ДОКУМЕНТООБОРОТА

Распознавание образов представляет собой один из важнейших компонентов систем управления и обработки информации, автоматизированных систем и систем принятия решений. Задачи, связанные с классификацией и идентификацией документов, возникают во многих отраслях. Алгоритмическая обработка и классификация изображений позволяют упростить и автоматизировать производственные процессы, связанные с документооборотом. В настоящий момент в производстве широко используются системы распознавания изображений. Однако, использование универсальных средств в некоторых случаях приводит к переполнению памяти и к сбоям в системе. Поэтому, становится актуальным создание собственных программных продуктов распознавания образов, учитывающих специфику конкретной задачи.
В данной работе рассматриваются проблемы документооборота Управления по вопросам миграции МВД по Республике Татарстан. Инспекторы службы принимают документы в отсканированном виде и вручную вносят сведения из них. Фрагментарное распознавание нужного текста позволит автоматизировать работу инспекторов. Также данный продукт позволит уменьшить вероятность ошибки при получении данных с документа.
Целью выпускной квалификационной работы является предоставление рабочей программы, которая, получая на входе картинку, на которой присутствует документ, на выходе выдаст часть распознанного элемента документа. В данном конкретном случае это серия и номер хозяина документа.
Данная работа решает несколько задач. Так, первой основной задачей является раскрыть теоретические основы распознавания изображения с помощью алгоритмов компьютерного зрения. Это важно, поскольку мы будем отталкиваться от теоретических знаний, без которых нельзя будет понять все аспекты работы сети и ее внутреннего взаимодействия. Другой немаловажной задачей будет раскрыть алгоритм работы нейронной сети. Алгоритм - это важнейшая часть реализации проекта. Понимание алгоритма облегчает процесс реализации системы и позволяет исключить ошибки при написании кода. Третьей, завершающей задачей будет получение готового продукта, реализуемого данным алгоритмом. В результате выполнения этой задачи будет получена готовая система, выполняющая заданные цели.
Выпускная квалификационная работа состоит из двух глав.
Первая глава "Теоретические основы подготовки данных и распознавания изображения".
В этой главе описана теория, необходимая для работы. Также в ней описаны все нужные для дальнейшего понимания определения и разъяснены основные действия, которые были использованы в работе. Данная глава может быть разделена на 2 части: процесс поиска объекта на изображении и процесс распознавания изображении. В части " Поиск объекта на изображении " описаны алгоритмы, используемые в библиотеке OPENCV для поиска документа на изображении. Также показаны основные инструменты, используемые в системе. В части "Нейронная сеть для распознавания изображения" показано что из себя представляет нейронная сеть. Здесь описаны все основные объекты нейронной сети. Расписаны основные процессы, происходящие в нейронной сети.
Вторая глава "Реализация системы по поиску и распознаванию изображения".
В этой главе описан весь алгоритм, реализованный в системе. Также в ней показаны основные классы, используемые в работе, с описанием их структур и методов. В конце главы показаны результаты работы алгоритмов.

Купить

Совершенствование электронного документооборота является одной из важнейших задач многих отраслей. От качественной и оперативной обработки документов зависит благосостояние бизнес - структур. Несвоевременно выполненная работа по оформлению документов может повлечь за собой большие штрафы и отрицательно сказаться на репутации фирмы.
В данной работе построена нейронная сеть, распознающая практически значимый фрагмент документа. Нейронная сеть содержит один скрытый слой с 400 нейронов. На входной слой подаётся массив пикселей распознаваемого изображения, который содержит 100 нейронов. Выходной слой содержит 10 нейронов, то есть сеть делит входные данные на десять классов. Активационная функция на каждом нейроне - сигмоидальная. Для обучения сети применяется метод обратного распространения ошибки.
Предварительно подаваемые на вход сети фрагменты изображений были найдены по методу Виолы-Джонса.
Основные этапы реализации метода:
1. Использование интегрального представления изображения.
2. Применение признаков Хаара для поиска необходимого объекта.
3. Использование бустинга с целью выбора наиболее подходящих признаков для нужного объекта в указанной области изображения.
4. Подача признака на вход классификатора..
5. Применение каскадов признаков для быстрого отсечения окон, где не распознается нужный объект.
Для применения алгоритма Виолы-Джонса была использована открытая библиотека OPENCV с готовыми консольными программами.
В данной работе осуществлено выделение фрагмента миграционной карты и распознавания серии и номера документа. Автоматизация данной задачи существенно улучшит качество работы оператора Управления
Купить