Geri Dön

Handwritten digit string segmentation and recognition using deep learning

Derin öğrenme yöntemi kullanarak el yazısı rakam dizilerini bölütleme ve tanıma

  1. Tez No: 416511
  2. Yazar: ORÇUN ELİTEZ
  3. Danışmanlar: PROF. DR. UĞUR HALICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Integrated segmentation and recognition of handwritten digits

    Elyazı rakamların birleştirilmiş tanıma ve bölütlendirilmesi

    HAKAN AYGÜN

  2. Comparative investigation of selective attention in visual recognition

    Başlık çevirisi yok

    MEHMET NURETTİN YAĞCI

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ETHEM ALPAYDIN

  3. 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

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  4. El yazısı karakterlerden karakter ve yazıcı tanıma

    Character and writer recognition from handwritten characters

    ÖNDER KIRLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİLGİNER GÜLMEZOĞLU

  5. 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

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZEYNEP ORMAN