Geri Dön

Bilgisayar destekli el yazısı karakterlerini tanıma sistemi tasarımı

Computer aided handwriting character recognition system design

  1. Tez No: 183990
  2. Yazar: PELİN ARAS
  3. Danışmanlar: YRD. DOÇ. DR. OĞUZHAN ÖZTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

ÖZETB LG SAYAR DESTEKL EL YAZISI KARAKTERLER N TANIMA S STEMTASARIMIÖrüntü tanıma (Pattern recognition) bilim disiplininin amacı nesneleri birkategoriye koymak veya sınıflamaktır. Bu nesneler, uygulamaya göre görüntü, sesya da sınıflandırılması istenen başka bir işaret olabilir ve genel olarak örüntü(pattern) diye adlandırılır.Bu çalışma örüntü tanımanın dallarından biri olan karakter (harf veya sayı)tanıma uygulamasıdır. Karakterlerin tanınmasında birkaç metodoloji kullanılır.Bunlardan biri yapay sinir ağlarına dayanan tanıma işlemidir. YSA (Yapay SinirAğları), biyolojik sinir ağlarını taklit eden bilgisayar programlarıdır [1]. Bir çokYSA tipi bulunmakla birlikte, en çok kullanılan sinir ağı yapısı, leri BeslemeliGeri Yayılımlı YSA olarak bilinendir. Belirsiz, gürültülü ve eksik bilgilerinişlenmesinde yapay sinir ağları başarıyla kullanılmaktadır. Klasik bilgisayarlarbilgiyi belleğinde belirli bir yerde saklar, sinir ağları ise bilgiyi tüm ağ boyuncadağıtır. Bu durum dağıtılmış bellek olarak bilinir [2].Yapay sinir ağları, algoritmaları çıkarılamayan problemler için, çözüm sağlayanyeni ve güvenli bir bilgi işleme sistemi olabilmektedir. Yapılan çalışma bu durumiçin uygun bir örnek niteliği taşımaktadır.Bu çalışmada öncelikle geriye yayılım (backpropagation) öğrenme algoritmasıkullanılarak el yazısı karakterlerini tanıma sistemi geliştirilmiştir. Oluşturulangeriye yayılım yapay sinir ağının parametre performansları grafiksel olarakincelenmiştir. Ve ağ performansını yükseltecek parametre değerleri bulunmuştur.kinci olarak ise Shashank'ın öğrenme algoritması kullanılarak karakter tanımasistemi tasarlanmıştır. Test aşamasında Shashank' ın geliştirdiği adaylık skoru(candidate score), ideal ağırlık modeli skoru (ideal weight model score) ve tanımabölüm (recognition quotient) değerleri kullanılmıştır.Sonuç olarak ise bu iki algoritmanın performans ve eğitim sürelerikarşılaştırılmıştır. yi eğitilmiş geriye yayılım ağının Shashank ağına göreüstünlüğü gösterilmiştir. Geriye yayılım ağının eğitim süresi ise Shashank ağınıneğitim süresine oranla çok daha fazladır.Pelin ARAS.Ü. Bilgisayar Müh.Fen Bilimleri Enstitüsü

Özet (Çeviri)

SUMMARYCOMPUTER AIDED HANDWRITING CHARACTER RECOGNITIONSYSTEM DESIGNThe target of pattern recognition science is to categorize or classify of objects.These objects can be image, voice, speech or another sign according to theapplication. And generally they are named as pattern.This thesis is an application of character recognition that is one of the branches ofpattern recognition. In character recognition a lot of methods are used. One ofthem is artificial neural networks. ANN is a computer program that imitatesbiological neural network [1]. There are a lot ANN types but the most used is feedforward backpropagation neural networks. Artificial neural networks performwith ambigious, noisy and defected data well. Traditional computer systems keepdata in a particular place in memory. But neural networks distribute data all overthe network. This is called distributed memory [2].ANN is a new and safety data operating system that produces solutions forproblems difficult to obtain algorithm. This study is a sample of that.In this work, a handwritten characters recognition system has been developedusing backpropagation learning algorithm first. Parameter performance ofbackpropagation neural network was analyzed with graphics. And the parametervalues that increase system performance were determined. Secondary, the systemhas been developed again using Shashank?s learning algorithm. In test step,Shashank?s candidate score, ideal weight model score and recognition quotientvalues were used.As a result, performance and training time of two algorithms are compared. And itis shown that a well trained neural network with backpropagation learningalgorithm is more superior than Shashank network. On the other hand thetraining of network using backpropagation algorithm takes much more time thanShashank algorithm.Pelin ARAS.Ü. Bilgisayar Müh.Fen Bilimleri Enstitüsü

Benzer Tezler

  1. Yapay sinir ağı destekli bir endüstriyel görüntü işleme uygulaması

    An industrial image processing application with artificial neural network

    GÖKTUĞ ÜLKÜER

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. SALMAN KURTULAN

  2. Bilgisayar destekli tasarımda sonlu eleman analizi için otomatik ağ yapısı oluşturulması

    Automatic mesh generation techniques for finite element analysis

    DERYA VAROL

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. MUSTAFA AKKURT

  3. Bilgisayar destekli nakış uygulamalarında kullanılan tekniklerde sıklık derecesinin bezayağı dokuma türündeki kumaşlara göre belirlenmesi

    Designation of density using for computer supported embroidery according to cotton material cloth

    ZEKİYE ŞENTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    El SanatlarıGazi Üniversitesi

    El Sanatları Eğitimi Ana Bilim Dalı

    YRD. DOÇ. HURİYE ÇIRAKOĞLU

  4. Çoklu sensör tabanlı yapay zeka destekli el beceri değerlendirme sisteminin geliştirilmesi

    Development of a multi-sensor and artificial intelligence based dexterity assessment system

    SENA ZEYBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBartın Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET EMİN AKTAN

  5. Neural network based feature extraction for handwritten digit recognition

    El yazısı rakam tanıma için yapay sinir ağları tabanlı öznitelik çıkarma

    MİNE ALTINAY GÜNLER PİRİM

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN TORA

    YRD. DOÇ. DR. KASIM ÖZTOPRAK