Optical Character Recognition

1. Áttekintés: Mitől optikai az optikai karakterfelismerés? Az OCR alapvető fajtái: dinamikus vagy kép-alapú, nyomtatott vagy kézírásos.  Szöveg és ábra-típusok, írások, betűtípusok.  Zajszűrés, binarizálás, a dokumentum felbontása.  Egy konkrét feladat: matematikakönyvből LaTeX kód. Mit lehet automatizálni, és mit nem?

2. Az alacsonyszintű képfeldolgozás alapjai. Zajszűrés, határkeresés, szinredukció, binarizálás, csontvázépítés, vektorizáció, lánckódolás. Poligonok, kritikus pontok.  Iránykeresés, dőlésbecslés, zónákra bontás.

3. A szövegzóna elemzése: sorok, iniciálé. A latin alapú ábécék struktúrája. Alapvető font-osztályok.  A binárisés az általános osztályozási feladat. Standard adatbázisok.

4. A jegyszámítás (feature extraction). A legfontosabb jegyosztályok, geometriai momentumok, Zernike momentumok. Szegmentálás és osztályozás mint egymást követő feladatok, típushibák. Adattömörítés, a legegyszerűbb nyelvmodellek.

5. Az osztályozók főbb típusai. Hasonlósági (nearest neighbor), ideghálózati (neural network), lineáris, határszélesítő (max margin), maxent, és egyéb osztályozási módszerek.

6. A szegmentálási, osztályozási, és nyelvmodellezési problémák közös megoldása rejtett Markov modellekkel. Szavazás, tényezők integrálása, modellek integrálása.