OCR algoritmers noggrannhet och snabbhet vid identifieringen av text på olika typer av bakgrund : En jämförelse mellan OCR - algoritmerna Tesseract och Google ML-Kit
SyfteOCR, optical character recognition, algoritmer kan implementeras på olika sätt, de påverkar även resultatet både beroende på vilken implementation som används och vilket dataset som det används på. Därför är det viktigt att testa de olika OCR algoritmerna på just det dataset som är tänkt att an...
Main Author: | Sahiti, Ylli |
---|---|
Format: | Others |
Language: | Swedish |
Published: |
Jönköping University, JTH, Avdelningen för datateknik och informatik
2021
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:hj:diva-53789 |
Similar Items
-
Applying Tesseract-OCR to a Number Plate Recognition System Development
by: Chuang, Ming-Hui, et al.
Published: (2015) -
Quantifying the noise tolerance of the OCR engine Tesseract using a simulated environment
by: Nell, Henrik
Published: (2014) -
Improving the Accuracy of Tesseract 4.0 OCR Engine Using Convolution-Based Preprocessing
by: Dan Sporici, et al.
Published: (2020-05-01) -
RECOGNITION DESIGN OF LICENSE PLATE AND CAR TYPE USING TESSERACT OCR AND EmguCV
by: Antonius Herusutopo, et al.
Published: (2012-10-01) -
Test av OCR-verktyg för Linux
by: Nilsson, Elin
Published: (2010)