Tuyển tập Báo cáo “Hội nghị Sinh viên Nghiên cứu Khoa học” lần thứ 6 Đại học Đà Nẵng - 2008 70
NHẬN DẠNG KÝ TỰ QUANG HỌC BẰNG MẠNG
NƠRON
OPTICAL CHARACTER RECOGNITION BY NEURAL NETWORK

SVTH: ĐỖ THỊ PHÚ
Lớp 03DT1, Trường Đại học Bách Khoa, Đại học Đà Nẵng.
GVHD : TS. NGÔ VĂN SỸ
Khoa ĐTVT, Trường Đại học Bách khoa, Đại học Đà Nẵng.

TÓM TẮT
Nhận dạng ký tự quang học là kỹ thuật được sử dụng để chuyển đổi ảnh văn bản sang dạng
văn bản có thể chỉnh sửa trong máy tính. Nó được ứng dụng trong công tác quét và lưu trữ
các tài liệu cũ, đẩy nhanh việc nhập dữ liệu vào máy với ít lỗi hơn. Bài báo này giới thiệu một
phương pháp nhận dạng ký tự đó là kỹ thuật mạng nơron.
ABSTRACT
Optical Character Recognition (OCR) is a technology that is used to convert scanned images
of text into computer editable and searchable text. It can be used to scan and preserve
historical documents, to scan data entry forms in a faster and less error prone manner… This
plan introduce a method which identify characters, it’s Neural Network technology.
1. Đặt vấn đề
Mạng nơron nhân tạo (Artificial Neural Network: ANNs) là sự tái tạo bằng kỹ thuật
những chức năng của hệ thần kinh con người với vô số các nơron được liên kết truyền thông
với nhau qua mạng. Giống như con người, ANNs được học bởi kinh nghiệm, lưu những kinh
nghiệm đó và sử dụng trong những tình huống phù hợp.
Trong kỹ thuật nhận dạng ký tự, mạng nơron tỏ ra ưu thế hơn các phương pháp truyền
thống ở chỗ không tốn thời gian cho thủ tục tiền xử lý, làm mảnh ký tự, trích trọn đặc trưng…
Mặt khác các phương pháp ra quyết định trong nhận dạng truyền thống được cài đặt tĩnh trong

trên đặc tính biên độ về độ sáng của các pixel ảnh.
2.2.3. Tiền xử lý ký tự
Quá trình tiền xử lý ký tự giải quyết vần đề ánh xạ
giá trị pixel ảnh ký tự vào ma trận 10x15 và tuyến tính hóa
ma trận thành 150 giá trị đưa vào 150 nơron ở lớp vào của
mạng.
2.2.4. Mạng nơron nhận dạng ký tự
Hiện nay, các loại mạng nơron thông dụng gồm có: mạng truyền thẳng (feel-forward),
mạng hồi qui (feedback), mạng tự tổ chức (self-organizing).Mạng truyền thẳng feed-forward
bao gồm nhiều lớp các đơn vị xử lý phi tuyến (non-linear processing unit). Một vector đầu vào
sẽ được đưa vào lớp vào của mạng và sau đó các tính toán được thực hiện lan truyền thẳng từ
lớp vào sang các lớp ẩn và kết thúc ở lớp ra. Mạng Perceptron nhiều lớp MLP (MultiLayer
Perceptron) là một trong những loại mạng truyền thẳng điển hình, được sử dụng rộng rãi trong
các hệ thống nhận dạng như nhận dạng ký tự quang, chữ viết tay, nhận dạng tiếng nói…
Với bài toán nhận dạng ký tự, ta
thiết kế một mạng MLP có 3 lớp: lớp
vào có 150 nút tương ứng với 150 phần
tử của vectơ ma trận pixel, lớp ẩn có
250 nơron ( xác định bằng phương pháp
thử-sai (Trial-and-errors)) và lớp ra có
16 nơron tương ứng với 16 bit nhị phân
của giá trị Unicode của các ký tự.
Quá trình huấn luyện mạng:
Quá trình huấn luyện là quá trình
học với các tập mẫu (X
s
, T
s
),
Ns ,1

72
y
j
=g(



n
i
jiii
xw
1
.

) (1)
* Đầu ra tại nơron k của lớp ra:
y
k
=g(


m
j
jkj
wy
1
.
)
=g(
k

s
):



p
k
kks
tyE
1
2
)(
2
1

P là số phần tử của vectơ Y
s
và T
s
.
Thông tin về sai số được lan truyền
ngược qua mạng để điều chỉnh lại các
giá trị trọng số tại vòng lặp thứ l:
* Với liên kết giữa nơron ẩn và nơron
ra:
)().(. lylw
jkjk




1
'
)1().().()(


ijijij
wlwlw  )()1(
(4)
Sau khi hiệu chỉnh trọng số, mẫu X
s

tiếp tục được đưa vào mạng lần thứ
(l+1) và tiếp tục thuật toán hiệu chỉnh
trọng số cho đến khi E<

cho trước
hoặc số vòng lặp đạt đến mức định
trước.
Mẫu tiếp theo được đưa vào
mạng và quá trình huấn luyện lặp lại
như trên cho đến khi mạng học thuộc
tất cả các mẫu. Lưu cấu hình mạng lại để sẵn sàng đưa vào sử dụng.
N
N
N
Y
Y
Y
Start
s = 1

ijijij
wlwlw  )()1(

1 llmax
ll 

End
s = s + 1
s > N?
Hình 4. Lưu đồ thuật toán huấn luyện mạng MLP
Tuyển tập Báo cáo “Hội nghị Sinh viên Nghiên cứu Khoa học” lần thứ 6 Đại học Đà Nẵng - 2008

73
Hàm kích hoạt sử dụng trong mạng Perceptron nhiều lớp là hàm sigmoid lưỡng cực:
g(s)=
1
1
2


 s
e

, hoặc hàm sigmoid đơn cực g(s)=
s
e


% Error
Số ký tự sai
% Error
Latin Arial
4
4.44
3
3.33
1
1.11
Latin Tahoma
1
1.11
0
0
0
0
Latin Times Roman
0
0
0
0
1
1.11

2.3.2. Kết quả thay đổi tham số learing_rate
Số kí tự = 90, số Epoch = 600, hệ số góc

= 0.014
Loại Font

2.3.3. Đánh giá ảnh hưởng của sự thay đổi các thông số.
a. Tăng số vòng lặp tổng quát sẽ tỉ lệ thuận hiệu suất của mạng. Nhưng đến một mức nào
đó nó sẽ gây ra hiện tượng học vẹt (over learning), sẽ bỏ qua trạng thái tối ưu.
b. Kích thước đầu vào cũng là một nhân tố ảnh hưởng trực tiếp đến hiệu suất của mạng.
Thực tế số đầu vào càng nhiều mạng yêu cầu được huấn luyện nhiều hơn để có thể
nhận bắt lỗi tốt.
c. Sự thay đổi tham số learning_rate cũng ảnh hưởng hiệu suất của mạng đối với số vòng
lặp xác định. Giá trị tham số này càng nhỏ thì mạng hiệu chỉnh trọng số càng chậm.
Nhưng muốn đạt đến trạng thái tối ưu thì ta phải tăng số vòng lặp nhiều hơn.

3. Kết luận
Với các kết quả thu được trong quá trình thử nghiệm ta nhận thấy mạng hoạt động khá
ổn định với các thông số: số vòng lặp epoch=600, learning_rate=0.15, hệ số góc hàm sigmoid
014.0

, ngưỡng sai số
0002.0

. Sau khi huấn luyện, mạng nhận dạng khá tốt các tài
liệu Latinh không dấu đối với các loại font đã huấn luyện, tốc độ nhận dạng tương đối nhanh,
độ chính xác khoảng 90%. Để thu được kết quả nhận dạng với độ chính xác cao hơn cần tối ưu
hơn nữa cấu trúc và các thông số mạng, điều này đòi hỏi thời gian thử nghiệm và huấn luyện
Tuyển tập Báo cáo “Hội nghị Sinh viên Nghiên cứu Khoa học” lần thứ 6 Đại học Đà Nẵng - 2008 74
mạng lâu hơn. Có thể mở rộng khả năng nhận dạng của mạng đối với các hệ ký tự khác trong
bộ mã Unicode bằng cách cung cấp các tập mẫu huấn luyện tương ứng cho mạng.
Từ các kết quả ban đầu trong việc ứng dụng mạng nơron trong nhận dạng ký tự, ta có
thể thiết kế các mô hình tương tự ứng dụng trí tuệ nhân tạo cho các bài toán nhận dạng khác