Hadoop平台下的并行文字识别技术研究

• 作者: 孟帅
• 来源期刊: 中国电子商情·通信市场
• 学科: 工学
• 关键词: HDFS MapReduce OCR 并行 识别
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 2014全国计算机网络与通信学术会议大会优秀论文集
• 页码范围: 22-28
• 页数: 7页
• 分类号: TP391
• 字数: 4538字
• 语种: 中文

摘要

在信息技术及计算机日益普及的今天,利用OCR(光学字符识别)技术将图片类型的文字材料方便、快捷地输入到计算机中并转化为文字已经广泛应用于各行各业,但随着文件数量的急剧增长,在面对海量图片数据时,逐个逐页文件的单机识别模式已逐渐不能满足使用者的需求,分布式系统是解决海量信息存储及处理的有效方式.通过分析HDFS的特点,使用MapReduce这一机制,提出利用Tesseract-OCR引擎对文字图像进行并行识别处理的方法,为今后使用OCR技术进行海量图片识别处理提供了借鉴参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟帅		1	1	1.0	1.0