Search

En el reconeixement de text en escenes, avui en dia retallar la paraula amb el correcte significat segueix sent un fet complicat. En aquest treball veurem una de les xarxes que ha obtingut bons resultats. Utilitzarem la xarxa BI-STET que utilitza CNN i transformers encoder i decoder. Veurem com funciona i intentarem introduir-li una CNN diferent anomenada PHOCNet, aquesta a diferencia de la BI-STET està pensada per treballar amb imatges amb lletres escrites a mà. En aquest treball compararem les dos CNN esmentades i veurem les seves possibilitats, avantatges i diferencies. Nowadays, In Scene Text Recognition (STR), crooping the words with the correct meaning is still complicated. In this work we will see one of the network that has obtained good results, we will use the BI-STET network that uses CNN and encoder and decoder transformers. We'll see how it Works and try to introduce a new diferent CNN called PHOCNet, unlike BI-STET is designed to work with images with handwritten letters. In this paper we will compare the two CNN mentioned and see their possibilities, advantages and differences. En el reconocimiento de texto en escenas, hoy en dia tecortar la palabra con el significado correcto sigue siendo una tarea complicada. En este trabajo veremos una de las redes que ha obtenido buenos resultados. Utilizaremos la red BI-STET que utiliza una CNN i transformers encoder i decoder. Veremos como funciona i intentaremos introducir una CNN diferente llamada PFOCNet, esta a diferencia de la BI-STET esta pensada para trabajar con imagenes de letras escritas a mano. En este trabajo compararemos estas dos CNN comentadas.

Con el avance de la tecnología y los nuevos métodos que surgen constantemente con la finalidad de generar facilidad en la realización de nuestras tareas diarias, hemos visto que el mundo se encuentra en un periodico cambio, a tal punto que actualmente es una gran aldea global. Como humanidad se ha llegado a un nivel de globalización muy alto y avanzado. En la que nuevos métodos de realizar nuestras tareas salen a la vista, mientras que otros quedan siendo muy anticuados para la sociedad. Una de las tareas que se ha venido quedando en el olvido es la resolución de muchos de los juegos con los que se cuenta físicamente. Normalmente estos juegos están en la parte trasera de los periódicos y muchas personas tienden a olvidarse de estos debido a que no cuentan con ayudas en tiempo real y resolverlo a mano es muy anticuado. Es por esto que se propone el diseño de una herramienta de apoyo a la solución de juegos de lógica basada en procesamiento de imágenes, reconocimiento de texto, e inteligencia artificial. Con esta propuesta se pretende ayudar en tiempo real a las personas que tengan problemas o se encuentren atascadas en la resolución de juegos de lógica como el sudoku. With the advancement of technology and new methods that are constantly emerging in order to generate ease in the performance of our daily tasks, we have seen that the world is in a period of change, to the point that it is currently a great global village. As humanity, we have reached a very high and advanced level of globalization. In which new methods of performing our tasks come to view, while others remain very outdated for society. One of the tasks that is being forgotten is the resolution of many of the games that are physically available. Usually these games are in the back of newspapers, and many people tend to forget about these because they do not have real-time help, and solving them by hand is very old-fashioned. This is why we propose the design of a tool to support the solution of logic games based on image processing, text recognition, and artificial intelligence. This proposal aims to help people who have problems or are stuck in solving logic games such as Sudoku in real time.

[ES] En nuestro trabajo se presenta un modelo para la transcripción automática de tablas escritas a máquina con información de tipo numérico. Dicho modelo se basa en el uso de redes neuronales artificiales multicapa y herramientas de procesamiento de imagen, así como en el empleo de múltiples técnicas que aumentan la precisión del sistema. A fin de obtener mejores resultados, se ha probado la elaboración de múltiples modelos de lenguaje que aporten información contextual durante la transcripción. En el presente documento se discute la metodología seguida así como los distintos modelos sobre los que se ha iterado, comparando los resultados obtenidos., [EN] In our work we present a model for the automatic transcription of typed tables with numerical data. Such model is based on the usage of multilayer artificial neural networks and image processing tools, as well as the handling of multiple techniques which increase the precision of the system. For the purpose of obtaining superior results, the construction of multiple language models, which provide contextual information during the transcription, has been tried. In the following document we discuss the followed methodology as well as the different models that have been taken into account, analysing the obtained results., [CA] En el nostre treball es presenta un model de transcripció automàtica de taules escrites a màquina amb informació de tipus numèric. Aquest model es basa en l’ús de xarxes neuronals artificials multicapa i ferramentes de processament d’imatge, així com en la utilització de múltiples tècniques que augmenten la precisió del sistema. A fi d’obtenir millors resultats, s’ha triat l’elaboració de múltiples models de llenguatge que aporten informació contextual durant la transcripció. En el present document es discuteix la metodologia seguida així com els diferents models sobre els quals s’ha iterat, comparant els resultats obtinguts

El aumento exponencial de la información escrita durante los últimos años ha creado la necesidad de desarrollar herramientas con el objetivo de procesar de manera automática todo este conocimiento. Existen gran cantidad de aplicaciones y técnicas implementadas con el fin de procesar automáticamente la información escrita. Una de las ramas de investigación más popular a causa de su amplia aplicabilidad es la detección de paráfrasis. En el presente Trabajo de Fin de Grado, se presenta la solución a un problema de detección de paráfrasis en textos cortos. Concretamente, se trata de un problema de detección de preguntas repetidas sobre un corpus de pares de preguntas en inglés. Con el objetivo de solucionar un problema de estas características, se han combinado varias técnicas basadas en la similitud léxica y la semántica de las palabras. En el presente Trabajo de Fin de Grado, se revisa el estado de las investigaciones sobre la detección de paráfrasis y se describen las técnicas más destacadas. Las técnicas basadas en aprendizaje automático son las que presentan mejores prestaciones, sin embargo, el problema de detección de paráfrasis en textos cortos no ha sido resuelto aún con carácter definitivo. The exponential increase in written information over the last few years has created the need to develop tools with the aim of automatically processing all this knowledge. There are many applications and techniques implemented in order to automatically process written information. One of the most popular research branches is paraphrase detection because the amount of uses that it has. In this final degree project, is presented a paraphrase detection problem in short texts. Specifically, it is a repeated questions detection problem on a corpus of pairs of questions in english. In order to solve a problem of these characteristics, several techniques based on lexical and semantic similarity of words have been combined. In addition, in this final degree project, the status of the researches in paraphrase detection is reviewed and the most outstanding techniques are described. The techniques based on machine learning are those that present better performance, however, the problem of paraphrase detection in short texts has not been solved definitely. Ingeniería de Sistemas Audiovisuales

El objetivo de este trabajo es la implementación de algoritmos de reconocimiento de caracteres en conjunto con sistemas de tratamiento de imagen para corregir errores provocados a la hora de capturar la imagen. La meta final consiste en obtener un archivo de texto que pueda ser manipulable a partir de la imagen de un documento impreso o manuscrito., This project aims to the implementation of character recognition algorithms along with image improvement methods in order to correct errors given in the capture process. The final goal is to obtain a editable text file from an image of a printed or hand-written document.

En la actualidad existe gran diversidad de aplicaciones móviles para abastecer las distintas necesidades de los usuarios, entre ellas están las que nos ayudan a localizar lugares de interés, reconocer canciones en tiempo real con solo escucharla, traducir textos en múltiples idiomas o los típicos y más comunes como son los buscadores web entre otros. Dentro de esta gran variedad aparecen algunas que nos ayudan al reconocimiento de caracteres o texto en imágenes. Actualmente existen algunos ejemplos como los OCRs que, a partir de una imagen capturada, son capaces de detectar el texto dentro de una imagen y convertirlo a un formato en concreto, o otras más interesantes como la recién adquirida por Google, Word Lens la cual está integrada en su aplicación Google Translate capaz de traducir texto en tiempo real con solo enfocar la cámara a la imagen a tratar. Este proyecto no es tan sofisticado como la de Google pero se podría decir que esta dentro de este grupo, el de reconocimiento de texto o caracteres a partir de una imagen, la finalidad es realizar una aplicación en Adroid que mediante unas librerías OpenCV sea capaz de detectar texto dentro de las imágenes. Actualment hi ha gran diversitat d'aplicacions mòbils per a proveir les diferents necessitats dels usuaris, entre elles hi ha les que ens ajuden a localitzar llocs d'interès, reconèixer cançons en temps real amb només escoltar-la, traduir textos en múltiples idiomes o els típics i més comuns com són els cercadors web entre d'altres. Dins d'aquesta gran varietat apareixen algunes que ens ajuden al reconeixement de caràcters o text en imatges. Actualment existeixen alguns exemples com els OCRs que, a partir d'una imatge capturada, són capaços de detectar el text dins d'una imatge i convertir-lo a un format en concret, o altres més interessants com la recentment adquirida per Google, Word Lens la qual està integrada en la seva aplicació Google Translate capaç de traduir text en temps real amb només enfocar la càmera a la imatge a tractar. Aquest projecte no és tan sofisticat com la de Google però es podria dir que aquesta dins d'aquest grup, el de reconeixement de text o caràcters a partir d'una imatge, la finalitat és un fer una aplicació en Adroid que mitjançant unes llibreries OpenCV sigui capaç de detectar text dins de les imatges. At present it exists a great variety of mobile applications to supply the different users' needs, among them are those that help us to locate places of interest, recognize songs in-real time just listening to them, translate texts in different languages or the typical and the most common web browsers among others. Within this range it appears some applications to help us to recognise the characters or text in images. Nowadays it exists as well some examples like the OCRs that, from a captured image, are able to detect text within an image and convert it to a particular format or others more interesting ones like the recently acquired by Google, Word Lens which is integrated in their application Google Translate and that is able to translate text in real-time by focusing the camera to the image to process. This project isn't as sophisticated as Google but it can be said that it is within that group, the text recognition or characters from an image. The aim is to carry out a full application to the Android through openCV libraries to allow to detect text within the pages.

Aplicación móvil que permite al usuario obtener información relativa al lugar, entrada, asiento, forma de llegar a un evento a través de la información contenida en su entrada. Se puede dividir el proyecto en 4 fases: 1. El usuario debe “escanear” la entrada por medio de la aplicación. Esta, realiza un reconocimiento de texto obteniendo los datos importantes que aparecen en la entrada. Para su implementación se necesita el uso de Unity3d , así como el SDK de realidad aumentada de Vuforia Qualcomm y como lenguaje de programación se ha utilizado C Sharp (C#). Por medio de una conexión con una base de datos, la aplicación compara y analiza si los datos son correctos, en cuyo caso permite al usuario continuar con las siguientes fases. 2. El lugar del evento pudiéndose visualizar como acercarse hasta él. Su implementación se realiza por medio de Eclipse IDE (Integrated Development Environment) utilizando como herramienta Google Maps v.3 API. Para el desarrollo de esta fase del proyecto se ha utilizado como lenguaje de programación JavaScript 3. La entrada del evento (implementando Realidad Aumentada con geolocalización). La implementación de esta tercera fase al igual que la fase anterior, se ha llevado a cabo por medio de Eclipse IDE, además de ello se ha utilizado Wikitude SDK, un SDK que permite la geolocalización. Como lenguaje de programación se ha utilizado JavaScript. 4. Su lugar de asiento (fase condicional en función de los resultados obtenidos en las fases anteriores). La unión de las distintas fases se ha realizado por medio de Eclipse, utilizando como lenguaje de programación Java/Android y siendo necesario en todas las fases el SDK de Android para conseguir la aplicación final Graduado o Graduada en Ingeniería en Tecnologías de Telecomunicación por la Universidad Pública de Navarra Telekomunikazio Teknologien Ingeniaritzako Graduatua Nafarroako Unibertsitate Publikoan

"El presente artículo describe de manera general los problemas enfrentados para lograr una correcta recuperación de texto por medio del reconocimiento óptico de caracteres (ocr) en el libro antiguo, tomando una muestra de las obras de los siglos xv al xviii que resguarda el Fondo Antiguo de la Biblioteca Central de la Universidad Nacional Autónoma de México (unam), digitalizadas por la Dirección General de Bibliotecas (dgb). Se presenta, en primer lugar, la exposición teórica conceptual del ocr y su aplicación en la recuperación de texto para continuar con la ejemplificación de los factores que determinan la correcta o incorrecta identificación de los grafemas en estos libros mediante las pruebas aplicadas con el software Adobe Acrobat 8 Professional® y, por último, muestra algunos hallazgos obtenidos como producto del análisis e interpretación de los datos correspondientes a las variables."