| Постоянная ссылка (СИД2) |
J2234146011 |
| Название |
Распознавание кадастровых координат с использованием сверточно-рекуррентных нейронных сетей |
| Автор |
Винокуров И. В. |
| Автор |
Елизаров А. М. |
| Автор |
Знаменский С. В. |
| Источник |
Программные системы: теория и приложения. Электронный журнал |
| Страницы/Объём |
3-30 |
| Сокращ. назв. источника |
Прогр. системы: теория и прил. Электрон. ж. |
| Год |
2024 |
| Том |
15 |
| Номер |
1 |
| Адрес в Интернет |
http://elibrary.ru/item.asp?id=65516181 |
| Постоянная ссылка (СИД) |
J22341460 |
| Ключевые слова (авторские) |
глубокое обучение%распознавание изображений%сверточно-рекуррентная нейронная сеть%цифровые последовательности |
| Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
| Дата регистрации в ВИНИТИ |
23.07.2024 |
| Язык текста |
русский |
| Язык резюме |
английский |
| Аннотация |
В статье исследуется применение сверточно-рекуррентных нейронных сетей (CRNN) для распознавания изображений кадастровых координат объектов на отсканированных документах ППК "Роскадастр". Комбинированная архитектура CRNN, объединяющая сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN), позволяет использовать преимущества каждой из них для обработки изображений и распознавания содержащихся в них непрерывных цифровых последовательностей. При проведении экспериментальных исследований были формированы изображения, состоящие из заданного количества цифр, построена и исследована CRNN модель. Формирование изображений цифровых последовательностей заключалось в предобработке и конкатенации изображений образующих их цифр из собственного набора данных. Анализ значений функции потерь и метрик Accuracy, Character Error Rate (CER) и Word Error Rate (WER) показал, что использование предложенной CRNN модели позволяет достичь высокой точности распознавания кадастровых координат на их отсканированных изображениях |