Schrifterkennung mit Hilfe von Neural Networking

Die vorliegende Arbeit behandelt sowohl die Handschriftenerkennung von handgeschriebener Blockschrift (Druckschrift begrenzt auf Grossbuchstaben) mithilfe von Neural Networking, als auch die Prinzipien des Neural Networking im Kontext der Handschriftenerkennung.

Im praktischen Teil wird ein Programm in Python für die Erkennung von einer Zeile handgeschriebener Blockschrift in Form eines Bildes im .png Format mit vorgegebener Grösse entwickelt, in welchem Neural Networking implementiert wurde. Hierbei ist das Ziel eine Art Beispiel aufzuzeigen und weniger ein besonders umfassendes oder optimiertes Programm zu erstellen.

Im theoretischen Teil geht es um die grobe Struktur und den Aufbau des Programms und dessen Funktionsweise sowie um die im Programm eingesetzten, algorithmischen Elemente und um die Funktionsweise von Neural Networking im Kontext mit der Schriftenerkennung.

In einem kleineren Klassifikationstest bestehend aus vier Testdaten pro Buchstaben erreichte das fertig trainierte Neural Network eine Genauigkeit von 78.8 Prozent. Das Programm lieferte in der finalen Anwendung ebenfalls relativ gute Resultate, in Anbetracht der Komplexität des verwendeten Neural Network.

Diese Ergebnisse zeigen, dass auch eher einfache und kleine Architekturen bereits ein grundlegendes Verständnis von Schriftstrukturen erlernen können.