Reconocimiento de palabras en manuscritos históricos basado en aprendizaje online

• Autor: Meza Lovón, Graciela Lecireth
• Formato: tesis doctoral
• Fecha de Publicación: 2016
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/333
• Enlace del recurso: https://hdl.handle.net/20.500.12390/333
• Nivel de acceso: acceso abierto
• Materia: Reconocimiento de caracteres; Manuscrito; https://purl.org/pe-repo/ocde/ford#1.02.01

En esta tesis se propone un método de reconocimiento online para la transcripción de palabras contenidas en manuscritos históricos. El método propuesto incluye las etapas de: preprocesamiento, que emplea diversas técnicas para segmentar el documento en imágenes de palabras; extracción de características, que extrae información relevante usando, en este caso, características basadas en el gradiente, en particular, magnitud y orientación; y finalmente, el reconocimiento propiamente dicho, donde se concentran las principales contribuciones de esta tesis. En esta última etapa, se propusieron dos extensiones de la SVM-Online: la primera permite que el modelo opere en escenarios con conjuntos de datos de más de dos clases, para lo cual se usa la estrategia \uno contra uno"; la segunda extensión permite que el modelo emita salidas probabilísticas y no solo salidas discretas. Esta última extensión es de vital importancia, ya que posibilita el correcto funcionamiento del Reconocedor Basado en Grafos (RBG). El RBG es otra contribución de esta tesis y tiene la finalidad de evitar la segmentación del documento a nivel de carácter. Para ello, cada imagen a ser reconocida es representada por un grafo direccionado, cuyas aristas están relacionadas a una subimagen y a una probabilidad. En función de esta se estima, para cada arista, un costo que es empleado por el algoritmo Dijkstra Modificado, también propuesto en esta tesis, para emitir la transcripción de la imagen en cuestión. Los experimentos fueron realizados con tres conjuntos de datos: el corpus Ejecutora y Certificación del Escudo de Armas de Apellidos, el corpus Cristo Salvador, y el corpus Doña Germana de Foix. En base a los experimentos realizados, podemos concluir que los resultados obtenidos son satisfactorios en relación a otras propuestas de transcripción de textos presentadas en la literatura.