Read more
Im letzten halben Jahrhundert wurde die Erkennung englischer Schriftzeichen untersucht, und die Ergebnisse waren von solcher Art, dass sie technologiegetriebene Anwendungen hervorbringen können. Der gleiche Ansatz kann jedoch nicht für indische Sprachen verwendet werden, da die Struktur und die Berechnungen komplizierter sind. "Hindi", die Landessprache Indiens (geschrieben in der Devanagri-Schrift), ist nach Chinesisch und Englisch die drittbeliebteste Sprache der Welt. Die Erkennung handgeschriebener Devanagri-Zeichen findet in verschiedenen Bereichen Anwendung, z. B. beim Lesen von Postadressen und elektronischen Schecks. In den letzten Jahrzehnten wurden mehrere Systeme zur Erkennung handgeschriebener Ziffern vorgeschlagen und weiterentwickelt. Aber die Robustheit und Genauigkeit eines solchen Systems ist aufgrund der Vielfalt von Schriftmustern, Größe, Neigung, Tinte und Schreibstil immer noch ein Problem. In dieser Arbeit wird daher ein neuartiger Ansatz für die Erkennung von handgeschriebenen Devanagari-Ziffern auf der Grundlage globaler und lokaler Strukturmerkmale vorgeschlagen. Ein probabilistisches neuronales Netzwerk (PNN) wird verwendet, um die Devanagari-Ziffern separat zu klassifizieren.
About the author
Abhay S. Lengare è nato nel Maharashtra (India). Ha studiato all'università Shuvaji di Kolhapur e ha conseguito il B.E. (Elettronica) nel 2012 e il M.E. (Elettronica) nel 2014. Dal 2014 lavora come professore assistente presso il dipartimento di elettronica del karmveer bhaurao patil college of engg. satara.
