വാചകം തിരിച്ചറിയൽ

നിര്വചനം

ചിത്രങ്ങളിലെയോ സ്കാൻ ചെയ്ത പ്രമാണങ്ങളിലെയോ വാചക പ്രതീകങ്ങളെ തിരിച്ചറിയുന്നതിനെയാണ് വാചക തിരിച്ചറിയൽ എന്ന് പറയുന്നത്. ഇതിൽ അച്ചടിച്ചതും കൈയെഴുത്തുപ്രതിയുള്ളതുമായ തിരിച്ചറിയൽ ഉൾപ്പെടുന്നു.

ഉദ്ദേശ്യം

വിഷ്വൽ ഫോർമാറ്റുകളിലെ വാചകം ആക്‌സസ് ചെയ്യാവുന്നതും തിരയാൻ കഴിയുന്നതുമാക്കുക എന്നതാണ് ഇതിന്റെ ഉദ്ദേശ്യം.

പ്രാധാന്യം

• ആർക്കൈവുകളുടെ ഡിജിറ്റൈസേഷൻ പ്രാപ്തമാക്കുന്നു.
• പ്രവേശനക്ഷമതയ്ക്കും ഓട്ടോമേഷനും നിർണായകമാണ്.
• ചിത്രത്തിന്റെ ഗുണനിലവാരത്തെ ആശ്രയിച്ചിരിക്കും കൃത്യത.
• OCR സാങ്കേതികവിദ്യകളുമായി ബന്ധപ്പെട്ടത്.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

1. സ്കാൻ ചെയ്തതോ ഫോട്ടോ എടുത്തതോ ആയ രേഖകൾ എടുക്കുക.
2. വ്യക്തത മെച്ചപ്പെടുത്തുന്നതിന് ചിത്രങ്ങൾ മുൻകൂട്ടി പ്രോസസ്സ് ചെയ്യുക.
3. ടെക്സ്റ്റ് മേഖലകൾ കണ്ടെത്തുക.
4. തിരിച്ചറിയൽ മോഡലുകൾ പ്രയോഗിക്കുക.
5. മെഷീൻ വായിക്കാവുന്ന വാചകം ഔട്ട്പുട്ട് ചെയ്യുക.

ഉദാഹരണങ്ങൾ (യഥാർത്ഥ ലോകം)

• ഗൂഗിൾ ലെൻസ്: ഫോട്ടോകളിലെ വാചകം തിരിച്ചറിയുന്നു.
• ABBYY FineReader: സ്കാൻ ചെയ്ത പ്രമാണങ്ങൾ ഡിജിറ്റൈസ് ചെയ്യുന്നു.
• ടെസ്സറാക്റ്റ് OCR: ഓപ്പൺ സോഴ്‌സ് ടെക്സ്റ്റ് റെക്കഗ്നിഷൻ എഞ്ചിൻ.

റഫറൻസുകൾ / കൂടുതൽ വായന

• സ്മിത്ത്, ആർ. “ടെസ്സറാക്റ്റ് OCR എഞ്ചിന്റെ ഒരു അവലോകനം.” ICDAR.
• ISO/IEC 15938-4 സ്റ്റാൻഡേർഡ്.
• പാറ്റേൺ അനാലിസിസിലും മെഷീൻ ഇന്റലിജൻസിലും IEEE ഇടപാടുകൾ.