Research indexJournal article
Автоматизированный метод сбора и сегментации рукописных данных для обучения систем оптического распознавания символов
Письменный, Шишкин
Вестник Адыгейского государственного университета, серия «Естественно-математические и технические науки»7 Oct 2026
NobleIDark:/48914/w1/20261104/D812DE93DOI10.53598/2410-3225-2026-2-381-56-62
Автоматизированный метод сбора и сегментации рукописных данных для обучения систем оптического распознавания символов
Письменный, Шишкин · Вестник Адыгейского государственного университета, серия «Естественно-математические и технические науки» · 2026 · Subscription
NobleIDark:/48914/w1/20261104/D812DE93DOI10.53598/2410-3225-2026-2-381-56-62
The full text is at the publisher
You can read the abstract here, or open it at the publisher.
Abstract
Рассмотрен автоматизированный метод сбора и сегментации рукописных данных на основе генерации синтетических бланков. Метод апробирован в учебном курсе вуза: студенты заполняли сгенерированные бланки. Подход включает автоматическую сегментацию ячеек с помощью кроссплатформенной библиотеки с открытым исходным кодом OpenCV, верификацию номеров бланков движком Tesseract и формирование датасета из изображений строк и аннотаций в формате, совместимом с известными наборами данных IAM и RIMES. Бланки с дефектами сегментации или ошибками верификации аннулируются. В результате апробации получено около 5000 размеченных строк с точностью сегментации 94 %. Метод может использоваться для создания обучающих выборок в задачах распознавания русского рукописного текста и в итеративном цикле дообучения моделей. An automated method for collecting and segmenting handwritten data based on generating synthetic forms is considered. The method was tested in a university academic course: students filled out the generated forms. The approach includes automatic cell segmentation using the cross-platform open-source library OpenCV, form number verification with the Tesseract engine, and dataset formation consisting of line images and annotations in a format compatible with the well-known IAM and RIMES datasets. Forms with segmentation defects or verification errors are annulled. As a result of the approbation, about 5000 labeled lines were obtained with a segmentation accuracy of 94 %. The method can be used to create training samples for Russian handwritten text recognition tasks and in an iterative model fine-tuning cycle.