3 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 3 / 3
Yayın A haar classifier based call number detection and counting method for library books(IEEE, 2018-12-06) Kanburoğlu, Ali Buğra; Tek, Faik BorayCounting and organization of books in libraries is a routine and time-consuming task The task gets more complicated by misplaced books in shelves. In order to solve these problems, we propose an automated visual call number (book-id) detection and counting system in this paper. The method employs a Haar feature-based classifier from OpenCV library and cloud-based OCR system to decode characters from images. To develop and test the method, we have acquired and organized a dataset of 1000 book call numbers. The proposed method has been tested on 20 bookshelves images that contain 233 call numbers, which resulted in a true detection rate of 96% and false detection rate of 1.75 per image. For OCR step, the number of false recognized characters per call number was 0.76.Yayın Plaka tanıma sistemi için farklı bir yaklaşım(IEEE, 2009-06-26) Tamer, Engin; Çizmeci, BurakBu bildiride, bilgisayarlı görü ve örüntü tanıma alanlarında çok popüler olan plaka tanıma sistemi için farklı bir yakla¸sım sunuyoruz. Plaka tanıma sistemi genellikle üç ana bölüme ayrılır: plakanın yerinin saptanması, karakter bölütleme ve karakter tanıma. Plaka tanıma sisteminin en önemli bölümü olan plaka yerinin saptanmasında, yatay tarama ile arama alanını daralttıktan sonra, Türk plakalarında yer alan TR işaretini kullanan yeni ve özgün bir algoritma öneriyoruz. Yeri saptanan plakanın karakterlerinin bölütlenmesi için ikili imge üzerinde morfolojik işlemler uyguluyoruz. Son olarak, karakter tanıma işleminde ise, harf ve sayı yapay sinir ağlarını ayırarak hata oranını en küçültmeyi hedefliyoruz.Yayın Hücresel sinir ağları kullanılarak el yazısı karakter tanıma uygulaması(IEEE, 2013-06-13) Çalık, Nurullah; Cesur, Evren; Tavşanoğlu, Ahmet VedatEl yazısı karakter tanıma, örüntü tanımanın önemli alanlarından biridir. Bu alanın kapsamında önemli belgelerin , arşivlerin ve diğer yazılı metinlerin sayısal ortamlara aktarılması yada yazıcının tanınması gibi problemler çözülmeye çalışılır. Bu problemler için birçok algoritma geliştirilmiştir. Geliştirilen bu algoritmalardan istenen, yüksek doğruluk oranının yanında FPGA gibi sayısal tasarımlara uygulanabilir olmasıdır. Bu nedenle sınıflandırma için kullanılan özellik vektörünün çıkartılmasında Gabor-benzeri Hücresel Sinir Ağı (HSA) filtreleri kullanılmıştır. Bu filtrelerin FPGA üzerinde verimli algoritmalar ile gerçeklenebilmektedir [10]. Bu sayede FIR türünde tasarlanan Gabor filtrelerine göre işlem süresi açısından daha verimli ve büyük harfler üzerinde doğruluk yüzdesi % 80 civarlarında olan bir algoritma geliştirilmiştir.
