Text/Non-Text Classification of Strokes using the Composite Descroptor

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00212146" target="_blank" >RIV/68407700:21230/13:00212146 - isvavai.cz</a>

Výsledek na webu

<a href="http://cmp.felk.cvut.cz/pub/cmp/articles/bresler/Bresler-POSTER-2013.pdf" target="_blank" >http://cmp.felk.cvut.cz/pub/cmp/articles/bresler/Bresler-POSTER-2013.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Text/Non-Text Classification of Strokes using the Composite Descroptor

Popis výsledku v původním jazyce

The task of a single stroke classification into two classes (text and non-text) is the subject of this work. We used an SVM classifier based on a descriptor created as an extension of the existing composite descriptor. It reflects an appearance and a local context of strokes. We achieved overall accuracy 93.1% on a database of handwritten flowcharts. The state-of-the-arts methods have a quite poor performance on this database with the accuracy 86.3%. Moreover, we showed that our approach allows to learnclassifiers favouring one class to obtain higher accuracy in classification of strokes in that class while the accuracy in the other class is decreased minimally. This is advantageous for filtering some portion of strokes in the input of specialized recognition engines.

Název v anglickém jazyce

Text/Non-Text Classification of Strokes using the Composite Descroptor

Popis výsledku anglicky

The task of a single stroke classification into two classes (text and non-text) is the subject of this work. We used an SVM classifier based on a descriptor created as an extension of the existing composite descriptor. It reflects an appearance and a local context of strokes. We achieved overall accuracy 93.1% on a database of handwritten flowcharts. The state-of-the-arts methods have a quite poor performance on this database with the accuracy 86.3%. Moreover, we showed that our approach allows to learnclassifiers favouring one class to obtain higher accuracy in classification of strokes in that class while the accuracy in the other class is decreased minimally. This is advantageous for filtering some portion of strokes in the input of specialized recognition engines.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

POSTER 2013 - 17th International Student Conference on Electrical Engineering

ISBN

978-80-01-05242-6

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1-5

Název nakladatele

Czech Technical University

Místo vydání

Prague

Místo konání akce

Prague

Datum konání akce

16. 5. 2013

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—