Detección de palabras cortadas al inicio y fin de línea en textos manuscritos

Abstract

[ES] En este trabajo se describe el proceso de extracción de muestras con unas características definidas a partir de imágenes, las cuales son páginas escaneadas de un libro manuscrito, mediante visión artificial. Tras ello se aplicarán varios algoritmos de aprendizaje automático y diferentes técnicas aplicables a las muestras para detectar cuándo una palabra al final o al principio de una línea del texto es partida o no, es decir, si continúa en la siguiente línea o es continuación de la línea previa o por el contrario está entera.

[EN] This project describes the extraction process of samples with defined features from images, which are scanned pages of a manuscript book through artificial vision. After that, a few machine learning algorithms and different techniques will be applied on the samples to detect when a word at the end or at the beginning of a line is splitted or not, that is, if the words continues on the next line or is a continuation of the previous line or is not and the word is not splitted.