Handwritten digit string segmentation and recognition using deep learning
Derin öğrenme yöntemi kullanarak el yazısı rakam dizilerini bölütleme ve tanıma
- Tez No: 416511
- Danışmanlar: PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Bu tezin amacı el yazısı rakam dizilerinin tanınabilmesi için güvenilir bir yöntem geliştirilmesidir. Tanımayı yapabilmek için öncelikle rakam dizileri bağımsız rakamlara ayrılmalıdır. Daha sonra bir rakam tanımlama yöntemi kullanılarak birbirinden ayrılmış rakamlar tanınır. Sonuç olarak el yazısı rakam dizisi tanıma işi gerçekleşmiş olur. Bu çalışmada, rakamları bölütlemedeki başarıyı arttırmak için derin öğrenme metodu kullanılarak yeni bir yöntem geliştirilmiştir. Bu yöntemde, sabit büyüklükteki bir pencere rakam dizilerinin bulunduğu resim üzerinde kaydırılarak, bu pencerenin kapsadığı bütün parçalar derin yapay sinir ağına öğretilmektedir. Bu parçalar rakamın bir parçası veya rakamlar arasındaki geçişin bir parçası olarak sınıflandırılır. Bölütleme işlemi tamamlandıktan sonra ayrılmış rakamlar, rakam sınıflandırma algoritmasına girdi olarak verilir. Rakam sınıflandırma işlemi için DBN (Deep Belief Networks) ve SVM (Support Vector Machines) yöntemleri uygulanmış ve bunların sonuçları karşılaştırılmıştır. Aynı zamanda önerilen bölütleme algoritması da başarısı kanıtlanmış başka algortmalar ile karşılaştırılmıştır. Bu karşılaştırmalara aynı veriseti üzerinde uygulanmış referans yöntemlerin sonuçları da eklenmiştir. Önerilen yöntem, CVL veriseti üzerinde yapılan deneylerde, gelişmiş yöntemlere ve 'water reservoir' kavramını kullanan referans rakam dizisi bölütleme algoritmasına göre daha iyi sonuç vermiştir.
Özet (Çeviri)
The main purpose of this thesis is to build a reliable method for the recognition of handwritten digit strings. In order to accomplish the recognition task, first, the digit string is segmented into individual digits. Then, a digit recognition module is employed to classify each segmented digit completing the handwritten digit string recognition task. In this study, a novel method, which uses deep belief networks architecture, is proposed in order to achieve high performance on the digit string segmentation problem. In the proposed method, images of digit strings are trained into a DBN structure by sliding a fixed size window through the images labelling each sub-image as a part of a digit or not. After the completion of the segmentation, in order to achieve the complete recognition of handwritten digit strings, the segmented digits are classified using both DBN algorithm and support vector machines and the results of these algorithms are compared over CVL Digit Strings Dataset. The result of the segmentation which uses the proposed method is compared with the result of the segmentation algorithm using water reservoir concept. Moreover, the results of some benchmark algorithms which use the same database of handwritten digit strings are included in the comparison. The proposed method outperformed the state of the art methods and also the baseline algorithm using water reservoir concept for digit segmentation on the CVL Digit Strings Dataset.
Benzer Tezler
- Integrated segmentation and recognition of handwritten digits
Elyazı rakamların birleştirilmiş tanıma ve bölütlendirilmesi
HAKAN AYGÜN
Yüksek Lisans
İngilizce
1995
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiY.DOÇ.DR. ETHEM ALPAYDIN
- Comparative investigation of selective attention in visual recognition
Başlık çevirisi yok
MEHMET NURETTİN YAĞCI
Yüksek Lisans
İngilizce
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ETHEM ALPAYDIN
- Transforming feedback control systems on whiteboard into Matlab via a deep learning based intelligent system
Derin öğrenme tabanlı akıllı bir sistem ile beyaz tahtadaki geribeslemeli kontrol sistemlerinin Matlab ortamına aktarılması
DORUKHAN ERDEM
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- El yazısı karakterlerden karakter ve yazıcı tanıma
Character and writer recognition from handwritten characters
ÖNDER KIRLI
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLGİNER GÜLMEZOĞLU
- El yazısı rakam tanıma için destek vektör makinelerinin ve yapay sinir ağlarının karşılaştırması
Comparison of support vector machines and artificial neural networks for handwritten digit recognition
ENGİN DAĞDEVİREN
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZEYNEP ORMAN