Appliying neural networks to character recognition
Sinir ağlarının karakter tanımlamasında uygulanması
- Tez No: 168732
- Danışmanlar: PROF.DR. ALİ SEBETCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Optiksel karakter Tanımlaması, Sinir Ağlan, Ağ Optimizasyonu, Geri dağılım. iv, Optical Character Recognition, Neural Networks, Network optimization, Backpropagation iii
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
ÖZ SINIR AĞLARININ KARAKTER TANIMLAMASINDA UYGULANMASI Mahmud Saad Shertil Yüksek Lisans, Bilgisayar Mühendisliği Tez Yöneticisi: Asst. Prof. Dr. Ali SEBETCİ Haziran 2005, 79 Sayfa Optiksel karakter tanımlaması (OKM) atomik model tanımlamasında dünyada en yaygın kullanılan uygulamalardan biridir ve 1950'li yıllardan bu yana oldukça aktif bir araştırma alanına sahiptir. Günümüzde bu alanda kullanılmakta olan bir takım algoritmalar ve bu algoritmalarında her birinin kendine özgü zayıf ve güçlü yanları mevcuttur.Bu tez çalışmasında katman sayısı ve her katmanda bulunan sinir sayısı göz önünde bulundurularak ve geri dağılım şebekesine 2 farklı yaklaşımda bulunularak 2 farklı veri kümesi oluşturduk ve bu yolla sinir ağlan için en iyi topolojiyi araştırdık. Daha sonra sonuçlan karşılaştırarak elde edilen optimum parametre kümesinin hem el yazısı hem de bilgisayar karakter çıktısı için geçerli olduğunu gösterdik. Sözü geçen karakter veri kümesi 16 farklı özellikli 20000 örnek ve 26 sınıftan oluşmaktadır.Burada sonuçlarımızı doğrudan etkileyen sınıf sayısının özellik sayısından sayıca daha fazla olduğu görünmektedir. El yazımı karakterlerden oluşan 2. veri kümesi ise 64 özellikli 5620 örnek ve 10 farklı sınıftan oluşmaktadır.Buradan sonuçların birinci veri kümesinden daha iyi olduğunu gözlemliyoruz.
Özet (Çeviri)
ABSTRACT APPLYING NEURAL NETWORKS TO CHARACTER RECOGNITION Mahmud Saad Shertil Ms, Department of Computer Engineering Supervisor: Asst. Prof. Dr. Ali SEBETCÎ June 2005, 79 Pages Optical Character Recognition (OCR) is one of the most widely used applications of automatic pattern recognition and it is a very active research field since the 50's. Today there are numerous algorithms that perform this task, each with its own strengths and weaknesses. In this thesis we explore neural networks to find the best topology regarding the number of layers and the number of neurons at each layer by classifying two different datasets using backpropagation networks with two different approaches. We then compare the results between them and show that the obtained optimum set of parameters is valid for both printed letter and the handwritten digits. Moreover the letter dataset consists of sixteen features with 20000 samples and twenty-six classes. Here we see that the number of classes is more than the number of features which affects our results. The second dataset which is handwritten digits consists of sixty-four features with 5620 samples and ten classes. Here we see that the results are better than the first dataset
Benzer Tezler
- Görüntü işleme yöntemleri ile yüzey üzerine oyulmuş karakterlerin tanınması
The recognition of engraving character on the surface with image processing methods
MAHMUT SAMİ YASAK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ERDİNÇ KOÇER
- Yapay sinir ağları ile optik karakter tanıma
Optical character recognition with artificial neural network
MURATCAN UZTEMUR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN SÜMER
- El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları
Deep learning approaches in handwritting character recognition and image classification
AOUDOU SALOUHOU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Nicemlenmiş yerel zernike momentlerle trafik işaretlerinin sınıflandırılması
Traffic sign classification with quantized local zernike moments
EMRAH BAŞARAN
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- Otomatik araç plaka tanıma sistemi
Automatic car license plate recognition system
İSMAİL IRMAKÇI
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. AYDOĞAN SAVRAN