Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "handwritten documents" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Age-Type Identification and Classification of Historical Kannada Handwritten Scripts using Line Segmentation with HOG feature Descriptors
Autorzy:
Bannigidad, Parashuram
Gudada, Chandrashekar
Powiązania:
https://bibliotekanauki.pl/articles/1075427.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
HOG
K-NN
Kannada
LDA
Line segmentation
Recognition
Restoration
SVM
Seam carving
document image analysis
handwritten script
historical documents
Opis:
The offline handwritten text recognition is one of the most challenging tasks in document image analysis; our aim is to recreate the cultural importance of the Kannada Language writing tradition through the historical degraded manuscripts. In the present digital era, we need to protect and digitize the resources of our Indian culture and heritage by digitizing those manuscripts which are losing its status; the degraded manuscripts are influenced by weather condition. In this paper, we have attempted to identify and recognise the historical Kannada handwritten scripts of various dynasties; namely, Vijayanagara dynasty (1460 AD), Mysore Wadiyar dynasty (1936 AD), Vijayanagara dynasty (1400 AD) and Hoysala dynasty (1340 AD) by using the improved seam carving text line segmentation method with HOG feature descriptors. The average classification accuracy for different dynasties are computed. The LDA classifier is yielded 93.4%, K-NN classifier has yielded 92% and SVM classifier has 95.5%. Based on the experimentation, the SVM classifier has recorded good classification performance comparatively LDA and K-NN classifiers for historical Kannada handwritten scripts.
Źródło:
World Scientific News; 2019, 126; 23-35
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Recognition of handwritten Latin characters with diacritics using CNN
Autorzy:
Lukasik, Edyta
Charytanowicz, Małgorzata
Milosz, Marek
Tokovarov, Michail
Kaczorowska, Monika
Czerwinski, Dariusz
Zientarski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2173581.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
handwritten documents
diacritic
neural networks
character recognition
deep learning
dokument odręczny
znaki diakrytyczne
sieci neuronowe
rozpoznawanie znaków
głęboka nauka
Opis:
Convolutional Neural Networks (CNN) have achieved huge popularity in solving problems in image analysis and in text recognition. In this work, we assess the effectiveness of CNN-based architectures where a network is trained in recognizing handwritten characters based on Latin script. European languages such as Dutch, French, German, etc., use different variants of the Latin script, so in the conducted research, the Latin alphabet was extended by certain characters with diacritics used in Polish language. To evaluate the recognition results under the same conditions, a handwritten Latin dataset was also developed. The proposed CNN architecture produced an accuracy of 96% for the extended character set. This is comparable to state-of-the-art results found in the domain of identifying handwritten characters. The presented approach extends the usage of CNN-based recognition to different variants of the Latin characters and shows it can be successfully used for a set of languages based on that script. It seems to be an effective technique for a set of languages written using the Latin script.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; art. no. e136210
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Recognition of handwritten Latin characters with diacritics using CNN
Autorzy:
Lukasik, Edyta
Charytanowicz, Małgorzata
Milosz, Marek
Tokovarov, Michail
Kaczorowska, Monika
Czerwinski, Dariusz
Zientarski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2090714.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
handwritten documents
diacritic
neural networks
character recognition
deep learning
dokument odręczny
znaki diakrytyczne
sieci neuronowe
rozpoznawanie znaków
głęboka nauka
Opis:
Convolutional Neural Networks (CNN) have achieved huge popularity in solving problems in image analysis and in text recognition. In this work, we assess the effectiveness of CNN-based architectures where a network is trained in recognizing handwritten characters based on Latin script. European languages such as Dutch, French, German, etc., use different variants of the Latin script, so in the conducted research, the Latin alphabet was extended by certain characters with diacritics used in Polish language. To evaluate the recognition results under the same conditions, a handwritten Latin dataset was also developed. The proposed CNN architecture produced an accuracy of 96% for the extended character set. This is comparable to state-of-the-art results found in the domain of identifying handwritten characters. The presented approach extends the usage of CNN-based recognition to different variants of the Latin characters and shows it can be successfully used for a set of languages based on that script. It seems to be an effective technique for a set of languages written using the Latin script.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; e136210, 1--12
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zasada ogólna pisemności w postępowaniu podatkowym
General principle of writing in tax proceedings
Autorzy:
Masternak, Marian
Powiązania:
https://bibliotekanauki.pl/articles/2123401.pdf
Data publikacji:
2022-08-16
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
zasady ogólne postępowania podatkowego
zasada pisemności
uwierzytelnianie pism
podpis własnoręczny
podpis elektroniczny
podpis osobisty
pieczęć elektroniczna
general principles of tax proceedings
the principle of writing
authentication of documents
handwritten signature
electronic signature
trusted signature
personal signature
electronic seal
Opis:
Przedmiotem artykułu jest analiza zasady pisemności, będącej jedną z zasad ogólnych postępowania podatkowego. Celem opracowania jest ustalenie i wyjaśnienie istoty tej zasady oraz wymogów związanych z jej realizacją, z uwzględnieniem niedawnych zmian przepisów konstytuujących wymienioną zasadę, w tym nowo uregulowanych sposobów uwierzytelniania pism utrwalonych w postaci papierowej lub elektronicznej. Autor podejmuje próbę odpowiedzi na pytanie, czy zmiany te ograniczają się do uporządkowania i ujednolicenia terminologii stosowanej w Ordynacji podatkowej i w ustawie o doręczeniach elektronicznych, czy też na nowo kształtują treści zasady pisemności. W artykule zawarta jest też ocena obecnej regulacji oraz wnioski de lege ferenda dotyczące tej zasady.
The subject of the article is an analysis of the principle of writing, which is one of the general principles of tax proceedings. The aim of the study is to establish and explain the essence of this principle and the requirements related to its implementation, taking into account recent changes to the provisions constituting the said principle, including the newly regulated methods of authentication of letters recorded in paper or electronic form. The author tries to answer the question whether these changes are limited to ordering and standardizing the terminology used in the Tax Ordinance and the Electronic Service Act, or whether they shape the content of the rules of writing anew. The article also includes an assessment of the current regulation and de lege ferenda conclusions regarding this principle.
Źródło:
Kwartalnik Prawa Podatkowego; 2022, 3; 163-178
1509-877X
Pojawia się w:
Kwartalnik Prawa Podatkowego
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies