Выборки с буквами для нейронной сети

Мне необходимы обучающие выборки для нейронной сети которая распознает одну букву (пока что печатные, потом рукописные, потом предложения).Буквы ру и En, чтоб побольше разных шрифтовю
есть ли готовые проекты по распознаванию буквы спомощью Н.С. на C++ Builder ?
Заранее благодарен за помощь.

0

Поэтому хорошо решить конкретную задачу - нет особых проблем.

Не преувеличивайте. В данный момент научились распознавать только узкий набор объектов с малыми искажениями, и не всегда с хорошей точностью.

А один алгоритм, который на ВСЕХ задачах из одного класса задач будет крыть другие алгоритмы - это вечный двигатель (невозможный для сколько нибудь сложного класса задач).

Вы меня недопонимаете, перепоясню. Критерий по которому я в начале разделил задачи распознавания на классы это произвольность искажений.:
- Универсальный класс. Мозг человека (он существует) способен распознать любой! объект (буквы, лица, машинки и т.д.) с большими, произвольными, заранее не известными искажениями (повороты, зачеркивания, размытия и т.д.), также фрагменты этих объектов, их наложения и т.д, причем с очень хорошей точностью. Алгоритма который мог бы распознавать также как мозг пока нет. Алгоритма попроще, который мог бы распознать только буквы со всевозможными! искажениями тоже пока нет (нет программы распознающей все капчи). Т.е. где важна не скорость распознавания, а важен сам факт возможности распознавания произвольно искаженных объектов с хорошей точностью. То что такой алгоритм не возможен я не соглашусь, т.к. мозг есть и прекрасно решает эти задачи.
- Узко заточенный класс задач. Это обрезок универсального класса. Когда пытаются распознать хоть что то, хоть как то. Ограничивают список объектов, ограничивают набор возможных искажений!, увеличивают порог возможной ошибки. Да что то получается и успешно распознается. С минимальными искажениями распознают печатные буквы, лица, отпечатки пальцев и т.д.. Если мы берем капчу с известным искажением, например буквы которые зачеркнуты или наклонены (т.е. когда заранее известен набор возможных искажений), то это задача относится к узко заточенным алгоритмом а не к универсальным.
Совершенно очевидно, что если и будет создан когда то универсальный алгоритм, распознающий все и вся, то работать он будет куда медленнее узко заточенных алгоритмов. Т.е. страницу текста он распознает куда медленнее фаинридера. Возможно даже фаинридер распознает печатные буквы точнее мозга, и будет распознавать точнее универсального алгоритма, но это не значит что универсальный алгоритм невозможен или не нужен. Универсальные инструменты тоже имеют область применений и как правило куда шире узко заточенных. Универсальный алгоритм распознавания который будет устойчив к произвольным искажениям и возможен и нужен, но пока не существует.
Бессилие в создании универсального алгоритма Вы пытаетесь оправдать якобы его ненадобностью. Ругаете то, чего создать не можете.

Система распознавания банковских чеков (а суммы там надписываются от руки) в 90е годы работавшая в банках США.

В статье в заключении пишут: "The performance of the system at the check level is 1% error, 50% correct, and 49% rejected...". Т.е. используя эту систему можно распознать только 50% чеков, причем 1 из этих 50 переводов будет неправильным. Откровенно говоря не понимаю как банкам хватило такой точности и как такую штуку можно использовать. Извините, но я думаю эта точность для банков не применима, а коммерческое внедрение этой системы описанная в статье не есть широкое примение этой системы.

Скажите, может ли НС осуществлять поиск объектов. Т.е. если у меня есть групповая фотка людей. То для распознавания этих людей надо 1 - найти все лица на фотке; 2 - классифицировать каждое найденное лицо (узнать чье оно). Второй пункт НС как то решают.
Вопрос:
Могут ли НС решить 1-ый пункт? Т.е. могут ли НС осуществлять поиск объектов. Можно ли полность распознать фотку используя только НС (несколько НС) и не прибегать к другим алгоритмам подготовки изображения для НС?

0

Сообщение от gumi250 Т.е. если у меня есть групповая фотка людей. То для распознавания этих людей надо 1 - найти все лица на фотке;

Алгоритм Виолы-Джонса, например. Вполне себе нейросетевой (лежит в рамках идей "конструктивных" нейросетевых алгоритмов типа алгоритма каскадной корреляции и прочих похожих на нейросетевые алгоритмов типа метода группового учёта аргументов).

0