Matthias Jauernig Michael Lahl Verteidigung Pflichtenheft wxOCR Matthias Jauernig Michael Lahl

1. Zielbestimmung Überblick Texterkennung mithilfe eines Künstlichen Neuronalen Netzes Erkennung von „gedrucktem“ Text text-enthaltendes Bild wird verarbeitet und vom Programm in Text umgewandelt Beispiel: Bild Text Im heutigen Seminar verteidigen wir unser Pflichtenheft – hoffentlich erfolgreich…

1. Zielbestimmung Neuronales Netz Normales Feed-Forward-Netz, welches mit Backpropagation auf die aufzunehmenden Zeichensätze angelernt wird. Bekommt als Input ein Zeichen in Form eines float-Vektors, liefert als Output einen Erkennungsvektor für die jeweiligen Buchstaben.

1. Zielbestimmung Neuronales Netz Veranschaulichung: … … A B C D E F G H 0,94 0,08 … … 0,04 0,05 … Neuronales Netz Muster als float-Vektor mit skalierten Graustufen-Werten Erkennungsgrad der einzelnen Buchstaben

Aufteilung in Teilprogramme 1. Zielbestimmung Aufteilung in Teilprogramme 2 Teilprogramme: wxOCRnetTrainer: Entwickler-Tool zum Anlernen des Neuronalen Netzes wxOCR (main): Benutzerprogramm zur Durchführung der Texterkennung Effektivität der Erkennung zu großem Teil auch von Anlernbarkeit von Zeichensätzen abhängig a Fokus auf Entwicklung des netTrainers Hauptprogramm (wxOCR main) muss hauptsächlich über gute Algorithmen zur Bildverarbeitung verfügen

Aufteilung in Teilprogramme 1. Zielbestimmung Aufteilung in Teilprogramme Veranschaulichung: a Siehe auch Produktdaten: Folie 14 Zeichensatz Neuronales Netz Bild Textdatei load load save load save wxOCR net Trainer wxOCR (main)

Probleme bei der Erkennung 1. Zielbestimmung Probleme bei der Erkennung Kerning: „Unterschneiden“ Pixel des nächsten Buchstaben reichen in den vorigen hinein, daher ist z.B. Abtrennen von Buchstaben durch Finden einer leeren Spalte nicht möglich Ligaturen: 2 oder mehr Buchstaben verschmelzen miteinander, sodass sie nicht mehr durch einen Abstand voneinander getrennt werden

1. Zielbestimmung Musskriterien Implementation der beiden Teilprogramme Erkennung gedruckten Textes aus einem vom Benutzer gewählten Bild Erkannter Text kann nachträglich bearbeitet und gespeichert werden Zuverlässige Erkennung von Arial 14pt… Plattformunabhängige Implementierung als Open Source

1. Zielbestimmung Wunschkriterien Erkennung unterschiedlicher Schriften und Schriftgrößen Bedingte Behandlung von Kerning Erkennung von Text aus „schiefen“ Textzeilen Behandlung von Nicht-Textelementen (Bilder, Grafikelemente, …)

Abgrenzungskriterien 1. Zielbestimmung Abgrenzungskriterien Keine Erkennung von Handschrift sowie stark von Arial abweichenden Schriften Keine Schrift mit Ligaturen Keine Schaffung eines sehr ausgereiften Systems zur Schrifterkennung

2. Produkteinsatz Für Endbenutzer von z.B. Scannersoftware zur Erkennung von Text aus einem gescannten Bild Für Software-Entwickler oder Informatik-Studenten, die Teile des Quelltextes verwenden bzw. daraus lernen wollen

3. Produktübersicht Use-Case-Diagramm Nur 2 Use Cases, der Großteil der Arbeit findet „unter der Haube“ statt

4. Produktfunktionen Geschäftsprozesse Netz trainieren: Entwickler-Geschäftsprozess, bei dem das Neuronale Netz auf Zeichensätze antrainiert wird Text erkennen: Benutzer-Geschäftsprozess, bei dem Text aus einem Bild erkannt wird unter Verwendung des antrainierten Neuronalen Netzes

Dauerhaft zu speichern 5. Produktdaten Dauerhaft zu speichern Neuronales Netz a 1 Datei Zeichensätze a mehrere Dateien a Siehe auch: Folie 6

Zur Laufzeit anfallend 5. Produktdaten Zur Laufzeit anfallend Hauptbestandteile: Bilddaten und Matrizen erkannter Muster Daten des Neuronalen Netzes

6. Produktleistungen Anwender vom zeitintensiven Prozess des Netz-Anlernens befreien durch Aufteilung in die 2 Teilprogramme Texterkennung sollte bei A4-Seite nicht länger als 10s dauern (im Vorfeld nur bedingt abschätzbar)

7. Qualitätsanforderungen Haupt-Augenmerk zum einen auf der Benutzbarkeit, so dass es auch von einem Laien benutzt werden kann Zum anderen Schwerpunkt auf Änderbarkeit und Übertragbarkeit, vor allem in Hinblick auf Plattformunabhängigkeit und Open Source

8. Benutzungsoberfläche Benutzungsoberfläche mit Mausbedienung wxOCR net Trainer Prototyp unter Linux mit KDE 3.3 wxOCR (main) Prototyp unter Windows

9. Nichtfunktionale Anforderungen Grafikbibliothek C++ Open-Source-Bibliothek zur Erstellung plattfomunabhängiger GUIs Genauer: „Wrapper“, der Funktionsaufrufe je nach OS in verschiedene System Calls umwandelt Mächtiges Werkzeug zur plattformunabhängigen Programmierung Webseite: http://wxwidgets.org

Noch Fragen? ? ? ? ? ? ? ? ? ? ? ?