Key points are not available for this paper at this time.
In Anwendungen der Zeichenerkennung, in denen maschinell gedruckte und handgeschriebene Zeichen vorkommen, ist es wichtig zu wissen, ob das Zeichenbild oder das gesamte Wort maschinell oder handgeschrieben ist. Dies liegt an den Genauigkeitsunterschieden zwischen den Algorithmen und Systemen, die auf maschinell oder handgeschriebenen Zeichen ausgerichtet sind. Offensichtlich führt dieses Wissen zu einer Erhöhung der Gesamtqualität des Systems. In dieser Arbeit wird ein Klassifikationssystem vorgestellt, das ein Rasterbild eines Zeichens liest und zwei Konfidenzwerten ausgibt, einen für die Klassen "maschinell geschrieben" und einen für "handgeschrieben". Das vorgeschlagene System verfügt über einen preprocessing Schritt, der ein allgemeines nicht zentriertes Zeichenbild in eine normierte Form umwandelt, dann extrahiert die Merkmalsextraktionsphase relevante Informationen aus dem Bild, und schließlich erstellt ein Standardklassifikator, der auf einem Feedforward-Neuronalen Netzwerk basiert, die endgültige Antwort. Am Ende werden einige Ergebnisse zu einer proprietären Bilddatenbank berichtet.
Kuhnke et al. (Tue,) untersuchten diese Frage.