Η παρούσα εργασία έχει σκοπό αρχικά να εισάγει τον αναγνώστη στις βασικές έννοιες των μεθόδων αναγνώρισης χειρόγραφων συμβόλων. Θα γίνει επίσης αναφορά σε ένα γενικό μοντέλο διαδικασιών που χρησιμοποιεί η οπτική αναγνώριση χαρακτήρων. ́Επειτα θα ασχοληθούμε με το κομμάτι της αυτόματης αναγνώρισης μουσικών κειμένων, τόσο ψηφιακών όσο και χειρόγραφων, και τους τρόπους με τους
οποίους επιτυγχάνεται. Θα μιλήσουμε για τους αλγορίθμους Support Vector Machines, με και χωρίς τη μέθοδο του πυρήνα, και κ-πλησιέστερων γειτόνων και με ποιόν τρόπο επιτυγχάνουν να αναγνωρίσουν τα δεδομένα που επεξεργάζονται. Τέλος με
τη χρήση του πακέτου Muscima++ θα δούμε στην πράξη τα αποτελέσματα κάθε μεθόδου και θα τα συγκρίνουμε μεταξύ τους.
The purpose of this thesis is to introduce the main methods of Optical Character Recognition to the reader. We will discuss a general model under witch OCR is achieved. Then, we are going to talk about Optical Music Recognition, both handwritten and digital symbols, and the methods we use in this category. Support Vector Machines and Nearest Neighbors algorithms will be discussed and a mathematical proof of SVM’s and SVM’s with the kernel method algorithms will be included. We will test these three methods using MUSCIMA++ software and we will compare them.
University of the Aegena
