Zusammenfassung
Im Gegensatz zur automatischen Spracherkennung, wo Markov-Modell-basierte Verfahren derzeit den Stand der Technik repräsentieren, stellen HMMs und n-Gramm-Modelle im Bereich der Schrifterkennung noch einen relativ neuen Ansatz dar. Dies mag in der Tatsache begründet liegen, dass sich Schriftdaten in der Regel einfacher in handhabbare Abschnitte wie z.B. einzelne Wörter segmentieren lassen. Daher existieren speziell in der OCR, aber auch zur Verarbeitung von Formularen oder zum Lesen von Adressfeldern eine Reihe etablierter Methoden, die auf die klassische Trennung von Segmentierung und Klassifikation setzen. Segmentierungsfreie Verfahren auf der Basis von Markov-Modellen werden dagegen hauptsächlich von Forschern angewandt, die mit dieser Technologie im Bereich der Spracherkennung bereits Erfahrungen gesammelt haben.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2003 B. G. Teubner Verlag / GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Fink, G.A. (2003). Schrifterkennung. In: Mustererkennung mit Markov-Modellen. Leitfäden der Informatik. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-80065-7_14
Download citation
DOI: https://doi.org/10.1007/978-3-322-80065-7_14
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-519-00453-0
Online ISBN: 978-3-322-80065-7
eBook Packages: Springer Book Archive