Buscar en Google Scholar
Título: Reconocimiento de Palabras en Manuscritos Históricos Basado en Aprendizaje Online
Asesor(es): Ochoa Luna, José Eduardo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 2017
Institución: Universidad Nacional de San Agustín de Arequipa
Resumen: Se propone un método de reconocimiento online para la transcripción de palabras de manuscritos históricos, el cual incluye tres etapas: preprocesamiento, que emplea técnicas para segmentar el documento en imágenes de palabras; extracción de características, que usa información basada en el gradiente; y reconocimiento propiamente dicho, donde se concentran las principales contribuciones de esta tesis. En esta última etapa, se propusieron dos extensiones de la SVM-Online: la primera permite que el modelo opere con conjuntos de datos de más de dos clases; la segunda permite que el modelo emita salidas probabilísticas y evita la segmentación del documento a nivel de caracter. El modelo propuesto, llamado Reconocedor Basado en Grafos, representa cada imagen a ser reconocida como un grafo direccionado, cuyas aristas están relacionadas a una subimagen y a una probabilidad. En función de ésta se estima, para cada arista, un costo que es empleado por el algoritmo Dijkstra Modificado, también propuesto en esta tesis, para emitir la transcripción de la imagen en cuestión. Los experimentos fueron realizados con tres conjuntos de datos. En base a los experimentos realizados, podemos concluir que los resultados obtenidos son satisfactorios en relación a otras propuestas de transcripción de textos presentadas en la literatura.
Disciplina académico-profesional: Doctorado en Ciencias de la Computación
Institución que otorga el grado o título: Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y Servicios
Grado o título: Doctor en Ciencias de la Computación
Fecha de registro: 5-ene-2018



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons