āļāļēāļĢāļĢู้āļāļģāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄ
Thai Handwritten Character Recognition by Artificial Neural Networks
āļāļēāļāļāļāļē āđāļĢื่āļāļāļāļāļēāļุāļĢัāļāļĐ์
āļัāļāļิāļāļē āļĨีāļŠāļĄ
āđāļāļŽāļēāļĢิāļ āļŠุāļĢิāļāļ๊āļ°
āļāļāļัāļāļĒ่āļ
āļāļēāļĢāļĢู้āļāļģāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄ āđāļ้āđāļ็āļāļĢāļ§āļāļĢāļ§āļĄāļ้āļāļĄูāļĨāļัāļ§āļัāļāļĐāļĢāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļāļģāļāļ§āļ 100 āļุāļāļ่āļāļัāļ§āļัāļāļĐāļĢ āļāļēāļāļู้āđāļีāļĒāļāļāļģāļāļ§āļ 10 āļāļ āđāļื่āļāļāļģāļĄāļēāđāļ้āļēāļŠู่āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļēāļāļāļēāļĢāļ§ิāļัāļĒ āļāļĢāļ°āļāļāļāļ้āļ§āļĒ āļāļēāļĢāļāļĢāļ°āļĄāļ§āļĨāļāļĨāļ āļēāļāđāļื้āļāļāļ้āļ āļāļēāļĢāļŦāļēāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāļāļāļāļĢูāļāļ āļēāļāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒ āđāļĨāļ°āļāļēāļĢāļĢู้āļāļģāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄāđāļāļāđāļāļĢ่āļĒ้āļāļāļāļĨัāļ āđāļāļĒāļี่āļāļĢāļ°āļāļ§āļāļāļēāļĢāļŦāļēāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāđāļ็āļāļāļĢāļ°āļāļ§āļāļāļēāļĢāļี่āļŠāļģāļัāļ āđāļื่āļāļāļāļēāļāļ่āļ§āļĒāđāļิ่āļĄāļāļĢāļ°āļŠิāļāļิāļ āļēāļāđāļāļāļēāļĢāļĢู้āļāļģ āļāļēāļāļ§ิāļัāļĒāļāļัāļāļี้āđāļ้āļāļģāđāļŠāļāļāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐ 7 āļ§ิāļีāļืāļ āļāļēāļĢāļŦāļēāļāļ§āļēāļĄāļŦāļāļēāđāļ่āļ āļāļēāļĢāļŦāļēāļุāļāļŠิ้āļāļŠุāļāļāļāļāļัāļ§āļัāļāļĐāļĢ āļāļēāļĢāļŦāļēāļāļģāđāļŦāļ่āļāļŦัāļ§āļāļāļāļัāļ§āļัāļāļĐāļĢ āļāļēāļĢāļŦāļēāļĢāļŦัāļŠāļĨูāļāđāļ่ āļāļēāļĢāļŦāļēāđāļŠ้āļāļŠāļĄāļĄุāļิāđāļāđāļāļ§āļāļāļāđāļĨāļ°āđāļāļ§āļั้āļ āļāļēāļĢāļŦāļēāļิāļĻāļāļēāļ āđāļĨāļ°āļāļēāļĢāļŠāđāļāļāđāļāđāļāļ§āļāļāļāđāļĨāļ°āđāļāļ§āļั้āļ āļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāļั้āļ 7 āļ§ิāļีāļี่āđāļ้āļัāļāļ้āļāļĄูāļĨāļัāļ§āļัāļāļĐāļĢāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāđāļāļāļēāļāļ§ิāļัāļĒāļี้āļāļĢāļ°āļāļāļāļ้āļ§āļĒ 235 āļุāļāļĨัāļāļĐāļāļ° āļŠ่āļāļāļĨāđāļŦ้
Thai Handwritten Character Recognition
Grey Image
Binary Image
Noise Reduction
Line Segmentation
Character Segmentation
Thinning
Feature Extraction
Artificial Neural Networks
Evaluation
Character Recognition Evaluated
Optimal Hidden Node
OCR Program GUI
Thai Handwritten Character Recognition by Artificial Neural Networks
āļāļēāļāļāļāļē āđāļĢื่āļāļāļāļāļēāļุāļĢัāļāļĐ์
āļัāļāļิāļāļē āļĨีāļŠāļĄ
āđāļāļŽāļēāļĢิāļ āļŠุāļĢิāļāļ๊āļ°
āļāļāļัāļāļĒ่āļ
āļāļēāļĢāļĢู้āļāļģāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄ āđāļ้āđāļ็āļāļĢāļ§āļāļĢāļ§āļĄāļ้āļāļĄูāļĨāļัāļ§āļัāļāļĐāļĢāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļāļģāļāļ§āļ 100 āļุāļāļ่āļāļัāļ§āļัāļāļĐāļĢ āļāļēāļāļู้āđāļีāļĒāļāļāļģāļāļ§āļ 10 āļāļ āđāļื่āļāļāļģāļĄāļēāđāļ้āļēāļŠู่āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļēāļāļāļēāļĢāļ§ิāļัāļĒ āļāļĢāļ°āļāļāļāļ้āļ§āļĒ āļāļēāļĢāļāļĢāļ°āļĄāļ§āļĨāļāļĨāļ āļēāļāđāļื้āļāļāļ้āļ āļāļēāļĢāļŦāļēāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāļāļāļāļĢูāļāļ āļēāļāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒ āđāļĨāļ°āļāļēāļĢāļĢู้āļāļģāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄāđāļāļāđāļāļĢ่āļĒ้āļāļāļāļĨัāļ āđāļāļĒāļี่āļāļĢāļ°āļāļ§āļāļāļēāļĢāļŦāļēāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāđāļ็āļāļāļĢāļ°āļāļ§āļāļāļēāļĢāļี่āļŠāļģāļัāļ āđāļื่āļāļāļāļēāļāļ่āļ§āļĒāđāļิ่āļĄāļāļĢāļ°āļŠิāļāļิāļ āļēāļāđāļāļāļēāļĢāļĢู้āļāļģ āļāļēāļāļ§ิāļัāļĒāļāļัāļāļี้āđāļ้āļāļģāđāļŠāļāļāļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐ 7 āļ§ิāļีāļืāļ āļāļēāļĢāļŦāļēāļāļ§āļēāļĄāļŦāļāļēāđāļ่āļ āļāļēāļĢāļŦāļēāļุāļāļŠิ้āļāļŠุāļāļāļāļāļัāļ§āļัāļāļĐāļĢ āļāļēāļĢāļŦāļēāļāļģāđāļŦāļ่āļāļŦัāļ§āļāļāļāļัāļ§āļัāļāļĐāļĢ āļāļēāļĢāļŦāļēāļĢāļŦัāļŠāļĨูāļāđāļ่ āļāļēāļĢāļŦāļēāđāļŠ้āļāļŠāļĄāļĄุāļิāđāļāđāļāļ§āļāļāļāđāļĨāļ°āđāļāļ§āļั้āļ āļāļēāļĢāļŦāļēāļิāļĻāļāļēāļ āđāļĨāļ°āļāļēāļĢāļŠāđāļāļāđāļāđāļāļ§āļāļāļāđāļĨāļ°āđāļāļ§āļั้āļ āļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāļั้āļ 7 āļ§ิāļีāļี่āđāļ้āļัāļāļ้āļāļĄูāļĨāļัāļ§āļัāļāļĐāļĢāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāđāļāļāļēāļāļ§ิāļัāļĒāļี้āļāļĢāļ°āļāļāļāļ้āļ§āļĒ 235 āļุāļāļĨัāļāļĐāļāļ° āļŠ่āļāļāļĨāđāļŦ้
āļāļĢāļ°āļŠิāļāļิāļ āļēāļāļāļēāļĢāļĢู้āļāļģāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄāļูāļāļ้āļāļāļิāļāđāļ็āļāļĢ้āļāļĒāļĨāļ° 87
āļāļģāļŠāļģāļัāļ: āļāļēāļĢāļĢู้āļāļģāļĢูāļāđāļāļ, āļāļēāļĢāļĢู้āļāļģāļัāļ§āļัāļāļĐāļĢ, āđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄ, āļāļēāļĢāļัāļāđāļĒāļāļัāļ§āļัāļāļĐāļĢ, āļุāļāļĨัāļāļĐāļāļ°āļิāđāļĻāļĐāļāļāļāļัāļ§āļัāļāļĐāļĢāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒ
Abstract
The purpose of this research is to present the Thai handwritten character recognition by artificial neural networks. 100 collections of Thai handwritten characters were collected from 10 writers. The data are then analyzed using pre-processing feature extraction and recognition by back-propagation neural network. However, the feature extraction method is aimed to identify the intensity of black pixel, end of character, head of character, chain code, cross horizontal and vertical line, mark direction, and horizontal and vertical scanning. From the feature extraction, it was found that there are 235 features. Seven feature extraction methods provide the efficacy of Thai handwritten recognition. In addition, back-propagation neural network provide the Thai handwritten recognition accuracy of 87%
keywords: Pattern Recognition, Character Recognition, Artificial Neural Network, Character Segmentation, Feature Extraction of Thai Handwritten
Presentation
Thai Handwritten Character Recognition
Grey Image
Binary Image
Noise Reduction
Line Segmentation
Character Segmentation
Thinning
Feature Extraction
Artificial Neural Networks
Evaluation
Character Recognition Evaluated
Optimal Hidden Node
OCR Program GUI
Abstract
Feature extraction techniques can be important in character recognition, because they can enhance the efficacy
of recognition in comparison to featureless or pixel-based approaches. This study aims to investigate the novel feature extraction technique called the hotspot technique in order to use it for representing handwritten characters and digits. In the hotspot technique, the distance values between the closest black pixels and the hotspots in each direction are used as representation for a character. The hotspot technique is applied to three data sets including Thai handwritten characters (65 classes), Bangla numeric (10 classes), and MNIST (10 classes). The hotspot technique consists of two parameters including the number of hotspots and the number of chain code directions. The data sets are then classified by the k-Nearest Neighbors algorithm using the Euclidean distance as function for computing distances between data points. In this study, the classification rates obtained from the hotspot, mark direction, and direction of chain code techniques are compared. The results revealed that the hotspot technique provides the largest average classification rates.
keywords
Handwritten Character Recognition, Feature Extraction, k-Nearest Neighbors, Classification
Conference Sitevilamoura, Algarve, Portugal
āļ§ีāļีāđāļāđāļĢื่āļāļ "āđāļāļāļิāļāļāļēāļĢāļāļģāđāļŠāļāļ" āļāļĢāļĢāļĒāļēāļĒāļิāđāļĻāļĐāđāļāļĒāļāļēāļāļēāļĢāļĒ์ āļāļĢāļĢāļāļĢีāļ āļĢāļ์ āđāļ§āļŽุāļ§āļāļēāļĢัāļāļĐ์ āļāļēāļāļēāļĢāļĒ์āļāļĢāļ°āļāļģāļŠāļēāļāļēāļ§ิāļāļēāļāļēāļĢāļŠื่āļāļŠāļēāļĢāļĄāļ§āļĨāļāļ āļāļāļ°āļ§ิāļāļĒāļēāļāļēāļĢāļŠāļēāļĢāļŠāļāđāļāļĻ āļĄāļŦāļēāļ§ิāļāļĒāļēāļĨัāļĒāļĄāļŦāļēāļŠāļēāļĢāļāļēāļĄ
āļŠāļēāļĄāļēāļĢāļāļĢัāļāļāļĄāļ§ีāļีāđāļāļั้āļāļŦāļĄāļāļāļģāļāļ§āļ 10 āļ§ีāļีāđāļ āļัāļāļāļēāļāļĨิāļāļ์āļัāļāļ่āļāđāļāļี้
http://www.youtube.com/playlist?p=PLAFFEDD35FAEA9B56
āļŠāļēāļĄāļēāļĢāļāļĢัāļāļāļĄāļ§ีāļีāđāļāļั้āļāļŦāļĄāļāļāļģāļāļ§āļ 10 āļ§ีāļีāđāļ āļัāļāļāļēāļāļĨิāļāļ์āļัāļāļ่āļāđāļāļี้
http://www.youtube.com/playlist?p=PLAFFEDD35FAEA9B56
āļāļēāļĢāļŠāļĢ้āļēāļāļŠื่āļāļāļēāļĢāļŠāļāļāļ้āļ§āļĒāđāļāļĢāđāļāļĢāļĄ Authorware 7.0
āļŠāļēāļĄāļēāļĢāļāđāļ้āļēāļāļĄāļ§ีāļีāđāļ "āļāļēāļĢāļŠāļĢ้āļēāļāļŠื่่āļāļāļēāļĢāļŠāļāļāļ้āļ§āļĒāđāļāļĢāđāļāļĢāļĄ Authorware 7.0" āļั้āļāļŦāļĄāļāđāļ้āļāļēāļāļĨิāļāļ์āļ่āļāđāļāļี้ http://www.youtube.com/playlist?p=PL45EF991C74E81B21
āļŠāļēāļĄāļēāļĢāļāđāļ้āļēāļāļĄāļ§ีāļีāđāļ "āļāļēāļĢāļŠāļĢ้āļēāļāļŠื่่āļāļāļēāļĢāļŠāļāļāļ้āļ§āļĒāđāļāļĢāđāļāļĢāļĄ Authorware 7.0" āļั้āļāļŦāļĄāļāđāļ้āļāļēāļāļĨิāļāļ์āļ่āļāđāļāļี้ http://www.youtube.com/playlist?p=PL45EF991C74E81B21
āļัāļ§āļāļĒ่āļēāļāļāļēāļĢāđāļีāļĒāļ ASP.NET āļ้āļ§āļĒāđāļ้ Visual Studio 2008 āđāļ็āļāđāļāļĢื่āļāļāļĄืāļ āđāļĨāļ°āđāļ้āļ āļēāļĐāļē C# āđāļāļāļēāļĢāđāļีāļĒāļāđāļāļĢāđāļāļĢāļĄ āđāļāļĒāđāļื่āļāļĄāļ่āļāļัāļāļāļēāļāļ้āļāļĄูāļĨāļāļēāļ SQL Server
āļŠāļēāļĄāļēāļĢāļāđāļ้āļēāļāļĄāļ§ีāļีāđāļāļั้āļāļŦāļĄāļāļี่āđāļี่āļĒāļ§āļัāļ Visual studio & web application with c# āđāļ้āļāļēāļāļĨิāļāļ์āļ่āļāđāļāļี้ http://www.youtube.com/playlist?p=PL04AC36FE5A17B55E
āļŠāļēāļĄāļēāļĢāļāđāļ้āļēāļāļĄāļ§ีāļีāđāļāļั้āļāļŦāļĄāļāļี่āđāļี่āļĒāļ§āļัāļ Visual studio & web application with c# āđāļ้āļāļēāļāļĨิāļāļ์āļ่āļāđāļāļี้ http://www.youtube.com/playlist?p=PL04AC36FE5A17B55E
Subscribe to:
Comments (Atom)
Popular Posts
-
Office Automation Information SystemsOffice Automation Information Systems (āļĢāļ°āļāļāļŠāļēāļĢāļŠāļāđāļāļĻāļŠāļģāļัāļāļāļēāļāļัāļāđāļāļĄัāļิ) āļŦāļ่āļ§āļĒāļิāļ: 3(3-0-6) Course Description āļāļāļ์āļāļĢāļ°āļāļāļāļāļāļāļĢāļ°āļāļāļŠāļģāļัāļāļāļēāļāļัāļāđāļāļĄั...
-
ASP.NET Visual Studio 2008āļัāļ§āļāļĒ่āļēāļāļāļēāļĢāđāļีāļĒāļ ASP.NET āļ้āļ§āļĒāđāļ้ Visual Studio 2008 āđāļ็āļāđāļāļĢื่āļāļāļĄืāļ āđāļĨāļ°āđāļ้āļ āļēāļĐāļē C# āđāļāļāļēāļĢāđāļีāļĒāļāđāļāļĢāđāļāļĢāļĄ āđāļāļĒāđāļื่āļāļĄāļ่āļāļัāļāļāļēāļāļ้āļāļĄูāļĨāļāļēāļ SQL Server ...
-
Thai Handwritten Character Recognition by Artificial Neural NetworksāļāļēāļĢāļĢู้āļāļģāļĨāļēāļĒāļĄืāļāđāļีāļĒāļāļ āļēāļĐāļēāđāļāļĒāļ้āļ§āļĒāđāļāļĢāļāļ่āļēāļĒāļāļĢāļ°āļŠāļēāļāđāļีāļĒāļĄ Thai Handwritten Character Recognition by Artificial Neural Networks āļāļēāļāļāļāļē āđāļĢื่āļāļāļāļāļēāļุāļĢ...
-
Information Technology Management (ITM)Information Technology Management (āļāļēāļĢāļัāļāļāļēāļĢāđāļāļāđāļāđāļĨāļĒีāļŠāļēāļĢāļŠāļāđāļāļĻ) āļŦāļ่āļ§āļĒāļิāļ: 3(3-0-6) Course Description āļāļ§āļēāļĄāļŦāļĄāļēāļĒ āļāļ§āļēāļĄāļŠāļģāļัāļ āđāļĨāļ°āļāļĢāļ°āđāļ āļāļāļāļāđāļāļāđāļāđāļĨāļĒ...
-
Management Information System for AdministrationManagement Information System for Administrator (āļĢāļ°āļāļāļŠāļēāļĢāļŠāļāđāļāļĻāđāļื่āļāļāļēāļĢāļāļĢิāļŦāļēāļĢ) āļāļēāļĢāđāļĄืāļāļāļāļēāļĢāļāļāļāļĢāļāļ āļŦāļ่āļ§āļĒāļิāļ: 3(3-0-3) Course Description āđāļāļ§āļิāļ...
-
āđāļāļāļิāļāļāļēāļĢāļāļģāđāļŠāļāļāļ§ีāļีāđāļāđāļĢื่āļāļ " āđāļāļāļิāļāļāļēāļĢāļāļģāđāļŠāļāļ " āļāļĢāļĢāļĒāļēāļĒāļิāđāļĻāļĐāđāļāļĒāļāļēāļāļēāļĢāļĒ์ āļāļĢāļĢāļāļĢีāļ āļĢāļ์ āđāļ§āļŽุāļ§āļāļēāļĢัāļāļĐ์ āļāļēāļāļēāļĢāļĒ์āļāļĢāļ°āļāļģāļŠāļēāļāļēāļ§ิāļāļēāļāļēāļĢāļŠื่āļāļŠāļēāļĢāļĄāļ§āļĨāļāļ āļāļāļ°āļ§ิāļāļĒāļēāļāļēāļĢāļŠāļēāļĢāļŠ...
