lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Classifying Receipts and Invoices in Visma Mobile Scanner
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).
2016 (Engelska)Självständigt arbete på grundnivå (kandidatexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

This paper presents a study on classifying receipts and invoices using Machine Learning. Furthermore, Naïve Bayes Algorithm and the advantages of using it will be discussed.  With information gathered from theory and previous research, I will show how to classify images into a receipt or an invoice. Also, it includes pre-processing images using a variety of pre-processing methods and text extraction using Optical Character Recognition (OCR). Moreover, the necessity of pre-processing images to reach a higher accuracy will be discussed. A result shows a comparison between Tesseract OCR engine and FineReader OCR engine. After embracing much knowledge from theory and discussion, the results showed that combining FineReader OCR engine and Machine Learning is increasing the accuracy of the image classification.

Ort, förlag, år, upplaga, sidor
2016. , s. 24
Nyckelord [en]
Machine Learning, classifying, OCR, Tesseract, Fine Reader
Nationell ämneskategori
Annan teknik
Identifikatorer
URN: urn:nbn:se:lnu:diva-49671OAI: oai:DiVA.org:lnu-49671DiVA, id: diva2:901992
Externt samarbete
Visma
Ämne / kurs
Datavetenskap
Utbildningsprogram
Programvaruteknik, 180 hp
Handledare
Examinatorer
Tillgänglig från: 2016-02-10 Skapad: 2016-02-09 Senast uppdaterad: 2016-02-10Bibliografiskt granskad

Open Access i DiVA

fulltext(2854 kB)1892 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2854 kBChecksumma SHA-512
bb0067f8fde9093b662d8afbf12562c8184a53cba1a116ded90d515c0a5083c17781009ac5eae89afc3800480abc801817761e0ff04c50ed5904108ca196d04a
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för datavetenskap (DV)
Annan teknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 1892 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1127 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf