Модель розпізнавання символів та виявлення об'єктів

Abstract

Дослідження моделей комп’ютерного бачення для розпізнавання символів і виявлення об’єктів. У роботі розглянуто основні архітектури згорткових нейронних мереж (CNN), методи їх навчання та оптимізації. Проведено аналіз різних наборів даних, таких як MNIST, EMNIST та SynthText, з метою вибору найефективнішого для навчання моделей. Досліджено процеси підготовки та обробки даних, включаючи нормалізацію, аугментацію та розподіл вибірки. Виконано порівняльний аналіз продуктивності різних моделей у різних сценаріях застосування, зокрема для розпізнавання рукописного тексту та класифікації символів у контрольованих середовищах.

Study of computer vision models for character recognition and object detection. The paper considers the main architectures of convolutional neural networks (CNN), methods for their training and optimization. An analysis of various datasets, such as MNIST, EMNIST and SynthText, was conducted in order to select the most effective one for training models. The data preparation and processing processes were investigated, including normalization, augmentation and sample distribution. A comparative analysis of the performance of different models in different application scenarios was performed, in particular for handwriting recognition and character classification in controlled environments.