دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Saad Bin Ahmed, Muhammad Imran Razzak, Rubiyah Yusof سری: ISBN (شابک) : 9789811512971, 9811512973 ناشر: Springer Nature سال نشر: 2019 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 41 مگابایت
در صورت تبدیل فایل کتاب Cursive Script Text Recognition in Natural Scene Images: Arabic Text Complexities به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شناخت متن خط خطی در تصاویر طبیعی: پیچیدگی های متن عربی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب نمای کلی و ساختار یافته ای از روش های پیشرفته ای را ارائه می دهد که می توانند برای زبان های وابسته به زمینه مانند عربی به کار روند. همچنین دستورالعملهایی در مورد نحوه برخورد با دادههای صحنه عربی که در یک محیط کنترلنشده تحت تأثیر اندازه فونت، سبکهای فونت، وضوح تصویر و کدورت متن ظاهر میشوند، ارائه میدهد. زبان های عربی و عربی مانند به عنوان خطی ذاتی، توجه جامعه پژوهشی را به خود جلب می کنند. تعدادی چالش در ارتباط با تشخیص و تشخیص متن عربی از تصاویر طبیعی وجود دارد. این کتاب این چالش ها و مشکلات باز را مورد بحث قرار می دهد و همچنین بینش هایی را در مورد پیچیدگی ها و مسائلی که محققان در زمینه تشخیص متن عربی یا عربی مانند در تصاویر طبیعی و مستند با آن مواجه می شوند، ارائه می دهد. این سؤالات اساسی را روشن می کند، مانند الف) چگونه می توان پیچیدگی عربی را به عنوان خط شکسته نشان داد، ب) ساختار متن عربی چیست و چگونه می توان ویژگی های یک متن را در نظر گرفت و ج) چه دستورالعمل هایی را باید دنبال کرد. برای پرداختن به توانایی یادگیری زمینه طبقهبندیکنندههای موجود در یادگیری ماشین.
This book offers a broad and structured overview of the state-of-the-art methods that could be applied for context-dependent languages like Arabic. It also provides guidelines on how to deal with Arabic scene data that appeared in an uncontrolled environment impacted by different font size, font styles, image resolution, and opacity of text. Being an intrinsic script, Arabic and Arabic-like languages attract attention from research community. There are a number of challenges associated with the detection and recognition of Arabic text from natural images. This book discusses these challenges and open problems and also provides insights into the complexities and issues that researchers encounter in the context of Arabic or Arabic-like text recognition in natural and document images. It sheds light on fundamental questions, such as a) How the complexity of Arabic as a cursive scripts can be demonstrated b) What the structure of Arabic text is and how to consider the features from a given text and c) What guidelines should be followed to address the context learning ability of classifiers existing in machine learning.