Nhận dạng và sửa lỗi văn bản OCR sử dụng các mẫu ký tự sửa lỗi và thuật toán tối ưu

Các nhiệm vụ khác

Nghiên cứu quy trình công nghệ chế biến sứa ăn liền tại Quảng Ninh
Nghiên cứu xây dựng hệ thống cung cấp quang cảnh 360 độ đường phố Hà Nội trên bản đồ trực tuyến
Giải pháp tài chính nhằm phát triển kết cấu hạ tầng thương mại bán buôn đến 2015 tầm nhìn 2020
Thiết kế và chế tạo trạm thu di động thông tin vệ tinh dựa trên sensơ từ trường độ nhạy cao ứng dụng trên tàu biển
Nghiên cứu công nghệ và sản xuất thiết bị tách sợi tự nhiên từ bẹ chuối lá dứa bằng phương pháp cơ học tạo nguyên liệu phục vụ sản xuất hàng thủ công mỹ nghệ
Nghiên cứu xây dựng các hệ thống thông tin hỗ trợ việc phòng chống dịch bệnh cây trồng và thủy sản cho vùng kinh tế trọng điểm - Phụ lục 2
Chính sách tiền tệ phi truyền thống: kinh nghiệm quốc tế và khuyến nghị cho Việt Nam
Khảo sát trên cơ sở ứng dụng công nghệ khảo cổ địa chất sinh học và công nghệ thông tin để phục vụ việc quy hoạch phục dựng và phát triển cảnh quan Thành cổ Quảng Trị
Nghiên cứu và ứng dụng công nghệ và thiết bị sản xuất chế phẩm bảo quản (chế phẩm tạo màng) dùng trong bảo quản một số rau quả tươi - Các chuyên đề (Quyển 2)
Vỏ phong hóa nhiệt đới ẩm ở Việt Nam và đánh giá tiềm năng khoáng sản có liên quan (Tập II: Nghiên cứu và đánh giá triển vọng zeolit ở Việt Nam)

liên kết website

Lượt truy cập

Lượt truy cập : 14,800,440

Kết quả thực hiện nhiệm vụ

Tên nhiệm vụ

Nhận dạng và sửa lỗi văn bản OCR sử dụng các mẫu ký tự sửa lỗi và thuật toán tối ưu

Tổ chức chủ trì

Trung tâm Phát triển Khoa học và Công nghệ Trẻ

Cơ quan chủ quản

UBND TP. Hồ Chí Minh

Cấp quản lý nhiệm vụ

Tỉnh/ Thành phố

Thuộc chương trình

Chủ nhiệm nhiệm vụ

ThS. Phạm Toàn Định

Cán bộ phối hợp

Lê Thị Kim Ngọc; Lê Đức Anh; Nguyễn Quốc Dũng; Phan Nguyệt Minh; Huỳnh Nhật Triều;

Lĩnh vực nghiên cứu

Khoa học máy tính

Thời gian bắt đầu

01/12/2020

Thời gian kết thúc

01/11/2021

Năm viết báo cáo

2021

Nơi viết báo cáo

TP. Hồ Chí Minh

Kinh phí

90 (triệu đồng)

Số trang

49 tr.

Tóm tắt

Xây dựng các tập dữ liệu training và test tiêu chuẩn, trong đó dữ liệu training cần được thực hiện sắp xếp canh hàng theo mức từ và mức ký tự giữa các văn bản OCR (chứa các từ lỗi OCR) và các văn bản gốc đúng (ground truth - GT) tương ứng. Xây dựng các bảng sửa lỗi ký tự từ các tập dữ liệu training. Các bảng sửa lỗi được tạo ra bằng cách tìm trong các văn bản gốc đúng các mẫu ký tự sửa lỗi cho các mẫu ký tự sai được tìm thấy trong các văn bản OCR bị lỗi tương ứng. Đồng thời, thiết kế và viết chương trình tạo các bảng sửa lỗi ký tự. Đề xuất và xây dựng mô hình hậu xử lý văn bản OCR bao gồm các giai đoạn: tách từ (tokenization), phát hiện từ lỗi OCR (error detection), tạo từ sửa lỗi (candidate generation) và tính điểm và xếp hạng từ sửa lỗi (candidate scoring and ranking). Đồng thời, thiết kế và viết chương trình cho các giai đoạn xử lý trong mô hình hậu xử lý văn bản OCR đề xuất. Đề xuất các mô hình ngôn ngữ n-gram trong việc tìm từ lỗi OCR; bên cạnh đó, đề xuất thuật toán tối ưu trong việc tìm từ sửa lỗi, cũng như nâng cao chất lượng các từ sửa lỗi và xếp hạng các từ sửa lỗi một cách hiệu quả. Đồng thời, thiết kế và viết chương trình cho các thuật toán và mô hình này.

Từ khoá

Sửa lỗi văn bản; Nhận dạng ký tự quang học (OCR); Thuật toán tối ưu;

Nơi lưu trữ

24 Lý Thường Kiệt, Hà Nội

Ký hiệu kho

HCM-151-2023