لائسنس پلیٹ ریکگنیشن سسٹم ٹیکنالوجی کی تحقیق اور ترقی - ٹائیگر وونگ

بہت سے سمارٹ فونز میں لائسنس پلیٹ ریکگنیشن سسٹم کا بزنس کارڈ سکیننگ سافٹ ویئر یہ فنکشن رکھتا ہے۔ 20 نومبر 2018 کو، آپٹیکل کریکٹر ریکگنیشن (اس کے بعد اسے OCR کہا جاتا ہے) سے مراد متن کی معلومات حاصل کرنے کے لیے تصاویر کا تجزیہ کرنے کا عمل ہے۔ بین الاقوامی دستاویز کے تجزیہ اور شناختی کانفرنس (ICDAR) کے ٹیسٹ سیٹ کو، OCR کے شعبے میں ایک اہم اشارے، ایک بار پھر تازہ کیا گیا۔ چینی یونیورسٹیاں اور کاروباری ادارے ICDAR 2015 میں سرفہرست پانچ میں شامل ہیں، اس کے بعد پکسل اینکر نانجنگ یونیورسٹی اور نانجنگ یونیورسٹی آف ٹیکنالوجی (psenet masktext، fot) Alibaba (inceptext) متن کی شناخت اور اطلاق پر توجہ مرکوز کرتی ہے۔ متن کا پتہ لگانے اور قدرتی مناظر کی شناخت کی سطح کو بہتر بنانے کے لیے، دستاویز کے تجزیہ اور شناخت پر بین الاقوامی کانفرنس بین الاقوامی پیٹرن ریکگنیشن سوسائٹی (IAPR) کے زیر اہتمام پیشہ ورانہ کانفرنسوں میں سے ایک ہے۔ دستاویز کے تجزیہ اور شناخت پر بین الاقوامی کانفرنس (ICDAR نے 2003 میں متن پڑھنے کا ایک مضبوط مقابلہ قائم کیا (robustrade Competition میں اب تک 89 ممالک کی 3500 سے زیادہ ٹیمیں شامل ہیں۔

گوگل مائیکرو سافٹ ایمازون فیس بک، پیکنگ یونیورسٹی، یونیورسٹی آف سائنس اینڈ ٹیکنالوجی آف چائنا، ٹینسنٹ، سوگو وغیرہ۔ ▁ا ِ س ▁کے ▁ ذر ی ع ہ نتائج کسی بھی وقت جمع کیے جا سکتے ہیں، اور مضبوط ٹیکسٹ ریڈنگ مقابلے کا ٹیسٹ ڈیٹا سیٹ آن لائن شائع کیا گیا ہے۔ قدرتی منظر کے متن کا پتہ لگانے کی صنعت میں ٹیسٹنگ الگورتھم کا ٹیسٹ ڈیٹا سیٹ۔ ICDAR 2015 اور icdar2017mlt دو ٹیسٹ سب سیٹ ہیں۔ Cdar2015 اور icdar2017mlt قدرتی منظر کے متن کا پتہ لگانے کے شعبے میں مستند ڈیٹا سیٹ ہیں۔ سرجنگ نیوز نے کلاؤڈ کانگ ٹیکنالوجی کا انٹرویو کیا، جو فی الحال icdar2015 کی فہرست میں پہلے نمبر پر ہے۔ انسٹی ٹیوٹ آف سائنس اینڈ ٹیکنالوجی کے الگورتھم انجینئر لی یوآن نے اسے متعارف کرایا۔ بنیادی طور پر، اس پر تمام مضامین کا پتہ لگایا جائے گا" بھی درجہ بندی کی بنیاد ہے. Cdar2015 کی فہرست (20 نومبر 2018) F کی قدر درستگی اور پتہ لگانے کی شرح کی ہارمونک اوسط کی نمائندگی کرتی ہے۔ F کی قدر جتنی بڑی ہوگی، پتہ لگانے کا نتیجہ اتنا ہی بہتر ہوگا۔

درستگی پتہ لگانے کے نتیجے میں درست متن کے تناسب کی نمائندگی کرتی ہے۔ پتہ لگانے کی شرح (ریکال پتہ لگائے گئے متن اور تصویری متن کی کل تعداد کے درمیان تناسب کو ظاہر کرتا ہے، جو رپورٹر کے لیے فہرست کی وضاحت کرتا ہے۔ یہ اس بات کی عکاسی کر سکتا ہے کہ آیا متن چھوٹ گیا ہے۔ الگورتھم کے اثر کا پتہ لگانے کے لیے، لائسنس پلیٹ کی شناخت کے نظام کو درستگی اور پتہ لگانے کی شرح پر جامع طور پر غور کرنے کی ضرورت ہے، اور F قدر صرف درستگی اور پتہ لگانے کی شرح کی ہارمونک اوسط کی نمائندگی کرتی ہے، جو درجہ بندی کی بنیاد بھی ہے۔ سابق میں متن کو پہچاننے کا کام نہیں ہے، لہذا اسے نوٹ کرنے کی ضرورت ہے اس کا مطلب یہ ہے کہ یہاں ذکر کردہ قدرتی منظر کے متن کا پتہ لگانا متن کی شناخت کے مترادف نہیں ہے۔ اس کا مطلب تصویروں میں متن کا پتہ لگانا ہے۔

20 نومبر 2018 کو لی یوآن نے کہا۔ Yuncong ٹیکنالوجی نے پری پرنٹ ویب سائٹ arXiv پر تازہ ترین کاغذی اثر شائع کیا، جس نے قدرتی منظر کے متن کا پتہ لگانے کے لیے پکسل اینکر فریم ورک کی تجویز پیش کی۔ کاغذ شائع ہونے سے پہلے، اسے دستاویز کے تجزیہ اور شناخت پر بین الاقوامی کانفرنس کی طرف سے جاری کیا گیا تھا، پکسل اینکر الگورتھم کا icdar2015 اور icdar2017mlt ڈیٹا سیٹس پر تجربہ کیا گیا تھا، اور icdar2015 کے بہترین نتائج کو تازہ کیا گیا تھا۔ یہ icdar2015 خالص انگریزی متن کا پتہ لگانے کے ڈیٹا سیٹ کیا جاتا ہے. Icdar2017mlt میں نو زبانیں شامل ہیں جیسے لاطینی، انگریزی، چینی، کورین، جاپانی اور عربی۔ Yuncong کا پکسل اینکر الگورتھم icdar2017mlt کی جامع فہرست میں چوتھے نمبر پر ہے اور سرفہرست تین ممالک غیر ملکی اداروں کی طرف سے کوئی عوامی کاغذات جمع نہیں کرائے گئے ہیں۔

قدرتی منظر کے متن کا پتہ لگانے کا اطلاق وسیع تر میدان میں کیا جا سکتا ہے، لیکن روایتی متن کی کھوج کے مقابلے میں، OCR متن کا پتہ لگانے اور مختلف اشیاء میں شناخت، قدرتی مناظر میں سیٹ یا قدرتی منظر کی تصویروں کو پس منظر میں پیچیدہ مداخلت، متن کی دھندلاپن اور انحطاط، غیر متوقع روشنی، فونٹ کا سامنا کرنا پڑتا ہے۔ تنوع، عمودی متن اور مائل متن لائسنس پلیٹ کی شناخت کے نظام کا موازنہ قدامت پسند OCR کے ساتھ اعلیٰ معیار کی دستاویز کی تصاویر کے لیے کیا جاتا ہے، جیسے کہ تصویر کا تجزیہ، لائسنس پلیٹ کی شناخت، تصویری اشتہارات کی فلٹرنگ، منظر کی سمجھ، اشیاء کی شناخت، سڑک کے منظر کی پوزیشننگ، بل کی شناخت۔ وغیرہ