GDL

Mobile Application Optical Character Recognition (OCR) Using Convolutional Recurrent Neural Network (CRNN)

Skripsi, 019 / 2021 / EK
Undergraduate Theses from JBPTPPOLBAN / 2022-12-06 10:02:10
Oleh : Muhammad Nur Fauzi - 171354020 (muhammad.nur.tec417@polban.ac.id)
Dibuat : 2022-12-06, dengan 4 file

Keyword : OCR, Mobile, CRNN
Subjek : OCR, Mobile, CRNN

Hingga saat ini, memasukan tulisan dari dalam bentuk fisik seperti buku maupun citra ke dalam pengolah kata masih dilakukan secara manual dimana hal tersebut akan menghabiskan waktu dan tenaga terutama jika teks yang akan dimasukkan jumlahnya sangat banyak. Solusi dari hal tersebut yaitu dengan menggunakan teknologi Optical Character Recognition (OCR). OCR mampu mengidentifikasi karakter maupun angka pada citra untuk dikonversi ke dalam bentuk file tulisan. Penelitian ini bertujuan untuk membuat suatu sistem yang mampu melakukan proses OCR pada citra yang diambil cari perangkat mobile. Proses OCR menggunakan metode Convolutional Recurrent Neural Network (CRNN) dimana metode tersebut merupakan gabungan dari CNN dan RNN yang memiliki tingkat akurasi tinggi serta waktu training yang lebih cepat. Aplikasi OCR diimplementasikan pada komputer sebagai server yang terhubung dengan client pada aplikasi mobile. Proses rekognisi karakter menggunakan dua metoda yaitu contour untuk teks dokumen serta EAST detector untuk wild text detection. Pengujian dilakukan sebanyak tujuh data teks dokumen yang masing-masing data diuji sebanyak 10 kali. Tingkat hasil pendeteksiannya yaitu sebesar 92,15% sedangkan untuk rekognisi sebesar 91,98%. Aplikasi juga mampu menampilkan, menyunting, menyimpan serta menerjemahkan teks hasil rekognisi.

Deskripsi Alternatif :

Inserting physical writing such as a book or image into word processing is still performed manually, which will take time and energy especially if the text is very much. The solution for this is to use Optical Character Recognition (OCR) technology. OCR can identify letters or numbers from an image and convert them into written files. This research aims to create a system that able to perform OCR processes on image taken from mobile device. The OCR process is using the Convolutional Recurrent Neural Network (CRNN) method. The method itself is a combination of both CNN and RNN with a high level of accuracy and faster training time. The OCR's implemented into a server computer that's connected with a mobile application as client. The character recognition process uses two methods, namely contour for document text and EAST detector for wild text detection. The tests carried out as many as seven document data, with each data tested ten times. The detection success rate is 92.15% while for the recognition, it is 91.98%. The mobile application can display, edit, save and translate the text recognition results.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id