Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial

Descripción del Articulo

El Reconocimiento de Patrones es el estudio de cómo las máquinas pueden observar el ambiente o entorno, aprender a distinguir patrones de interés a partir de la experiencia, y tomar decisiones razonables con respecto a las categorías a las que pertenecen dichos patrones. El mejor reconocedor de patr...

Descripción completa

Detalles Bibliográficos
Autor: Serrato Talledo, Jeancarlo Aldeir
Formato: tesis de grado
Fecha de Publicación:2017
Institución:Universidad Nacional de Piura
Repositorio:UNP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unp.edu.pe:UNP/1313
Enlace del recurso:https://repositorio.unp.edu.pe/handle/UNP/1313
Nivel de acceso:acceso abierto
Materia:Similaridad Coseno
Números
Imágenes
Reconocimiento
Ingeniería Eléctrica y Electrónica, Telecomunicaciones
id RUMP_851b382b6d8e9049e1bdf2aee66c7fbb
oai_identifier_str oai:repositorio.unp.edu.pe:UNP/1313
network_acronym_str RUMP
network_name_str UNP-Institucional
repository_id_str 4814
dc.title.es_PE.fl_str_mv Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
title Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
spellingShingle Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
Serrato Talledo, Jeancarlo Aldeir
Similaridad Coseno
Números
Imágenes
Reconocimiento
Ingeniería Eléctrica y Electrónica, Telecomunicaciones
title_short Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
title_full Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
title_fullStr Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
title_full_unstemmed Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
title_sort Sistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificial
author Serrato Talledo, Jeancarlo Aldeir
author_facet Serrato Talledo, Jeancarlo Aldeir
author_role author
dc.contributor.advisor.fl_str_mv Jacinto Sandoval, Juan Manuel
dc.contributor.author.fl_str_mv Serrato Talledo, Jeancarlo Aldeir
dc.subject.es_PE.fl_str_mv Similaridad Coseno
Números
Imágenes
Reconocimiento
topic Similaridad Coseno
Números
Imágenes
Reconocimiento
Ingeniería Eléctrica y Electrónica, Telecomunicaciones
dc.subject.ocde.none.fl_str_mv Ingeniería Eléctrica y Electrónica, Telecomunicaciones
description El Reconocimiento de Patrones es el estudio de cómo las máquinas pueden observar el ambiente o entorno, aprender a distinguir patrones de interés a partir de la experiencia, y tomar decisiones razonables con respecto a las categorías a las que pertenecen dichos patrones. El mejor reconocedor de patrones conocido hasta ahora es el ser humano, no sabiéndose a ciencia cierta cuál es el proceso mediante el cual los humanos realizamos esta tarea. El Reconocimiento Óptico de Caracteres (OCR) es uno de los tópicos más antiguos dentro del Reconocimiento de Patrones y una de las áreas de investigación más importante y activa, que en la actualidad presenta desafíos: la precisión en el reconocimiento asociada tanto a caracteres impresos en una imagen degradada o a caracteres manuscritos es aún insuficiente, existiendo errores en el reconocimiento. La etapa del reconocimiento se lleva a cabo, comparando las imágenes almacenadas y las imágenes capturadas. Para esto se leen previamente las imágenes almacenadas en formato de archivo. Se tienen modelos diferentes de cada número. Cuando el programa implementado lee los pixeles de cada número, los agrupa y promedia en pixeles, a este proceso se le denomina zonning, que lleva a reducir los datos. En la captura de la imagen que se desea procesar, se obtienen valores, pero previo procesamiento. Luego se comparan. A una de las plantillas se debe corresponder y quien hace esta comparación es la fórmula de Similaridad del coseno. Si el resultado que se obtiene después de aplicar la fórmula es cercano a 0, quiere decir que las imágenes de los números comparados no son iguales y si el resultado obtenido es cercano a 1 quiere decir que se trata de dos imágenes del mismo número
publishDate 2017
dc.date.accessioned.none.fl_str_mv 2018-08-20T02:08:37Z
dc.date.available.none.fl_str_mv 2018-08-20T02:08:37Z
dc.date.issued.fl_str_mv 2017
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.citation.none.fl_str_mv APA
dc.identifier.uri.none.fl_str_mv https://repositorio.unp.edu.pe/handle/UNP/1313
identifier_str_mv APA
url https://repositorio.unp.edu.pe/handle/UNP/1313
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de Piura
dc.publisher.country.none.fl_str_mv Perú
dc.source.es_PE.fl_str_mv Universidad Nacional de Piura / UNP
dc.source.none.fl_str_mv reponame:UNP-Institucional
instname:Universidad Nacional de Piura
instacron:UNP
instname_str Universidad Nacional de Piura
instacron_str UNP
institution UNP
reponame_str UNP-Institucional
collection UNP-Institucional
bitstream.url.fl_str_mv https://repositorio.unp.edu.pe/bitstreams/7301cdd3-702f-40c0-9d8a-e50deb1bf788/download
https://repositorio.unp.edu.pe/bitstreams/3858a307-e0e8-404f-b08b-21f14f28bf38/download
https://repositorio.unp.edu.pe/bitstreams/516efe0c-785e-444f-bcc9-f28df44c2f8b/download
https://repositorio.unp.edu.pe/bitstreams/7a8a6fa2-8d94-493d-81a5-1c00dcf50229/download
bitstream.checksum.fl_str_mv 7eaa732b1bb2e9298d662f8d1c90eb96
bb87e2fb4674c76d0d2e9ed07fbb9c86
c52066b9c50a8f86be96c82978636682
8f2cc3896e4bcc5a55d1d2e959aee5c7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSPACE7 UNP
repository.mail.fl_str_mv dspace-help@myu.edu
_version_ 1843255217492066304
spelling Jacinto Sandoval, Juan ManuelSerrato Talledo, Jeancarlo Aldeir2018-08-20T02:08:37Z2018-08-20T02:08:37Z2017APAhttps://repositorio.unp.edu.pe/handle/UNP/1313El Reconocimiento de Patrones es el estudio de cómo las máquinas pueden observar el ambiente o entorno, aprender a distinguir patrones de interés a partir de la experiencia, y tomar decisiones razonables con respecto a las categorías a las que pertenecen dichos patrones. El mejor reconocedor de patrones conocido hasta ahora es el ser humano, no sabiéndose a ciencia cierta cuál es el proceso mediante el cual los humanos realizamos esta tarea. El Reconocimiento Óptico de Caracteres (OCR) es uno de los tópicos más antiguos dentro del Reconocimiento de Patrones y una de las áreas de investigación más importante y activa, que en la actualidad presenta desafíos: la precisión en el reconocimiento asociada tanto a caracteres impresos en una imagen degradada o a caracteres manuscritos es aún insuficiente, existiendo errores en el reconocimiento. La etapa del reconocimiento se lleva a cabo, comparando las imágenes almacenadas y las imágenes capturadas. Para esto se leen previamente las imágenes almacenadas en formato de archivo. Se tienen modelos diferentes de cada número. Cuando el programa implementado lee los pixeles de cada número, los agrupa y promedia en pixeles, a este proceso se le denomina zonning, que lleva a reducir los datos. En la captura de la imagen que se desea procesar, se obtienen valores, pero previo procesamiento. Luego se comparan. A una de las plantillas se debe corresponder y quien hace esta comparación es la fórmula de Similaridad del coseno. Si el resultado que se obtiene después de aplicar la fórmula es cercano a 0, quiere decir que las imágenes de los números comparados no son iguales y si el resultado obtenido es cercano a 1 quiere decir que se trata de dos imágenes del mismo númeroapplication/pdfspaUniversidad Nacional de PiuraPerúinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Universidad Nacional de Piura / UNPreponame:UNP-Institucionalinstname:Universidad Nacional de Piurainstacron:UNPSimilaridad CosenoNúmerosImágenesReconocimientoIngeniería Eléctrica y Electrónica, TelecomunicacionesSistema de reconocimiento automático de números utilizando similaridad del coseno para visión artificialinfo:eu-repo/semantics/bachelorThesisSUNEDUIngeniero Electrónico y TelecomunicacionesUniversidad Nacional de PiuraTítulo ProfesionalElectrónica y TelecomunicacionesFacultad de CienciasORIGINALCIE-SER-TAL-17.pdfCIE-SER-TAL-17.pdfapplication/pdf4117815https://repositorio.unp.edu.pe/bitstreams/7301cdd3-702f-40c0-9d8a-e50deb1bf788/download7eaa732b1bb2e9298d662f8d1c90eb96MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232https://repositorio.unp.edu.pe/bitstreams/3858a307-e0e8-404f-b08b-21f14f28bf38/downloadbb87e2fb4674c76d0d2e9ed07fbb9c86MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81327https://repositorio.unp.edu.pe/bitstreams/516efe0c-785e-444f-bcc9-f28df44c2f8b/downloadc52066b9c50a8f86be96c82978636682MD53TEXTCIE-SER-TAL-17.pdf.txtCIE-SER-TAL-17.pdf.txtExtracted texttext/plain113409https://repositorio.unp.edu.pe/bitstreams/7a8a6fa2-8d94-493d-81a5-1c00dcf50229/download8f2cc3896e4bcc5a55d1d2e959aee5c7MD54UNP/1313oai:repositorio.unp.edu.pe:UNP/13132018-08-26 03:00:21.189https://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.unp.edu.peDSPACE7 UNPdspace-help@myu.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
score 12.851315
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).