Применение различных математических методов выделения фона и элементов текста из фотографий
Боковая панель статьи
Основное содержимое статьи
Аннотация
В работе проведено исследование применимости различных математических методов для сравнения изображений рукописных текстов. В качестве данных использовались фотографии конспектов университета «Дубна». Анализ фотографий показал, что присутствуют оригинальные фотографии, повторно прикрепленные фотографии и перефотографированные конспекты (в таком случае требуется удаление фона для дальнейшего сравнения). Для избавления от предметов фона сравнивались предложенная «многоступенчатая процедура» на основе сети U-Net и алгоритмы компьютерного зрения. Показано, что «многоступенчатая процедура» имеет преимущество. Предложены алгоритмы (быстрое сравнение изображений и сиамские нейросети) для дальнейшего анализа подготовленного изображения, на котором удален фон.
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Кочешков А. Д., Смирнов Д. П., Дедович Т. Г. Разработка информационной системы контроля и оценки знаний студентов по математическим дисциплинам в университете «Дубна» // Системный анализ в науке и образовании: сетевое научное издание. 2021. № 2. C. 140–150. URL: http://sanse.ru/download/442. (дата обращения: 25.06.2025).
Segmentation models : [U-Net]. Pavel Iakubovskii, 2025. URL: https://smp.readthedocs.io/en/latest/models.html#unet free (access date: 25.06.2025).
OpenCV - Open Computer Vision Library. OpenCV team, 2025. URL: https://opencv.org/ (access date: 25.06.2025).
OpenCV: Image file reading and writing. URL: https://docs.opencv.org/4.x/d4/da8/group__imgcodecs.html (access date: 25.06.2025).
OpenCV: Color Space Conversions. URL: https://docs.opencv.org/3.4/d8/d01/group__imgproc__color__conversions.html (access date: 25.06.2025).
OpenCV: Miscellaneous Image Transformations. URL: https://docs.opencv.org/4.x/d7/d1b/group__imgproc__misc.html (access date: 25.06.2025).
OpenCV: Image filtering. URL: https://docs.opencv.org/4.x/d4/d86/group__imgproc__filter.html (access date: 25.06.2025).
Module: tf.keras.initializers | TensorFlow v2.16.1 // TensorFlow : [platform for machine learning and neural networks]. URL: https://www.tensorflow.org/api_docs/python/tf/keras/initializers (access date: 25.06.2025).
Module: tf.keras.loses | TensorFlow v2.16.1 // TensorFlow : [platform for machine learning and neural networks]. URL: https://www.tensorflow.org/api_docs/python/tf/keras/losses (access date:25.06.2025).