Нейронная сеть для распознавания символов

[Fresh 0]

Здравствуйте. Вот судьба-злодейка заставила вернутся к старому проекту по распознаванию символов с шестерни.

Ранее использовал метод нахождения максимумов/минимумов функции cvMinMaxLoc, но количество верно распознанных символов не большое.

Стал искать как повысить качество и... наткнулся на нейронные сети. Почитал, показалось несложно для опытного программиста, но для меня - начинающего, сложновато. Но везде только описание, без исходных кодов.

Может быть кто-нибудь поделится исходным кодом приложения (желательно на C++, но можно и на другом языке) которое может выполнять следующее:

Распознавать необходимо цифры, кириллицу(весь алфавит) и латиницу(используется только 7 символов из всего алфавита)

Необходимо, чтобы сеть можно было обучить.

А вообще, буду признателен за любые исходные коды по данной тематике с небольшим описанием.

Спасибо.

[Smorodov 579]

Есть готовые продукты с открытым кодом, правда tesseract недавно привязался к библиотеке Leptonica (я так и не построил у себя бинарники tesseract под vs2010 для х64), а openocr (Cuneiform) достаточно массивная штука.

http://code.google.com/p/tesseract-ocr/

http://openocr.org/

Забыл еще

http://jocr.sourceforge.net/index.html

[Nuzhny 243]

Вот тут можешь посмотреть.

[iskees 32]

Я для распознавания цифр и букв использую FANN, библиотека предельно простая. На вход подаю бинаризованное изображение 10/15 пикселей и получаю цифру, вероятность для цифр за 99% для букв (которые с латиницей совпадают) 98-99%. Сама библиотека может и обучать нейросеть, работает очень быстро но если не хватит скорости есть версия на OpenCL. Для обучения можно использовать утилиту FannTools. Найти можно по первой ссылке в гугле.

Но нейросеть нейросетью, а главное правильно сегментировать и бинаризовать.

[kilop 7]

согласен с предыдущим оратором, FANN подойдет + необходима теория, например, Smorodov неплохие pdf-ки сделал, по которым удобно изучать, иногда использая гуглю - http://www.compvision.ru/forum/index.php?showtopic=864