Handwritten text recognition using deep learning
Derin öğrenme ile el yazısı metin tanıma
- Tez No: 558742
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yapay zeka, Derin öğrenme, Makine öğrenme, El yazısı karakter tanıma, MATLAB
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
El yazısı karakter tanıma, bilgi çıkarma ve insan-bilgisayar etkilerini uygulamaları da dahil olmak üzere çeşitli gelişmiş uygulamalar için önemli bir temel sağlayan yapay zeka uygulamalarından biridir. Bu tez, el yazısı metninin dijital bir forma çevrilebilmesi için tek bir el yazısı karakterini sınıflandırmaya çalışır. Tam bir kelimeyi veya metni sınıflandırmak için, öncelikle yapılması gereken adım metin satırlarının doğru algılanmasıdır. A4 boyutunda taranmış bir belgenin orijinal görüntüsünü bölerek metin satırlarının eğrilik açısına göre tüm metin satırlarını algılayabilen bir metin satırı algılama sistemi geliştirilmiştir. Metin satırlarında yer alan her bir harf görüntüsü tespit edilerek daha sonra tanınması için derin öğrenme ağına giriş olarak verilir. Derin öğrenme ağının eğitim aksaması için kamuya açık bir veri setiyle birlikte kullanılan ve her bir harfin 2200 görüntüsünü içeren kendi el yazımızdan oluşturulmuş bir veri kümesi de hazırlanmıştır. Yapay sinir ağının eğitimi için toplamda 26 x 7800 = 202, 800 adet resim kullanılmıştır. MATLAB kullanılarak taranan bir dokümanı görüntü biliminde alabilen ve metin satırları algılaması, harf tespiti ve harf tanıma sonuçlarını verebilen bir GUI sistemi tasarlanmıştır. Çeşitli belge türlerindeki farklılıklara ve içerdikleri gürültüye bağlı olarak istenilen sonucu elde etmek için farklı parametre de ayarlanabilmektedir.
Özet (Çeviri)
Handwritten alphabet recognition is one of the Arti cial Intelligence applications which provides important fundamental for various advanced applications, including information retrieval and human-computer interaction applications. This thesis seeks to classify an individual handwritten character so that handwritten text can be translated to a digital form. To classify a complete word or text, the rst and foremost step is the accurate detection of text lines. A text line detection system is developed which can detect all text lines based on the skew angle of text lines by dividing the original image of an A4 size scanned document. Individual alphabets are detected from each text line at a later stage to give the input to a deep neural network for recognition. A dataset of our own handwriting is also prepared that includes 2200 images of each alphabet, which is mixed with another publicly available dataset for the training phase of the deep learning network. A total of 26 7800 = 202; 800 images are used for the training of the neural network. A GUI system using MATLAB is developed which can input a scanned document in image form, and can give an output of text lines detection, alphabet detection and alphabets recognition. A set of di erent parameters can also be changed to get the desired output depending upon the variations in di erent types of documents.
Benzer Tezler
- Handwritten text recognition using deep learning method
Derin öğrenme yöntemiyle el yazısı metin tanıma
HAGAR HANY ELSAYED ABDOU HASSAN HAGAR HANY ELSAYED ABDOU HASSAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. AYLA GÜLCÜ
- Deep learning based offline handwritten character recognizer systems with a multilingual handwritten character dataset
Derin öğrenme tabanlı çevirimdışı etkileşimsiz el yazılı karakter tanıma sistemleri ile çok dilli el yazısı karakter veri seti
GAYE EDİBOĞLU BARTOS
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR HOŞCAN
DOÇ. DR. ÉVA NAGYNÉ HAJNAL
- Derin öğrenme kullanarak el yazılarından bilgi çıkarımı
Extracting information from handwriting using deep learning
MEHMET TUTAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ
- Visual object recognition and detection using deep learning
Derinlikli öğrenme ile görsel nesne tanıma ve tespit etme
BURAK ÇÖREKCİOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Derin öğrenme yöntemleri ile Türkçe el yazısı tanıma
Turkish handwriting recognition with deep learning methods
ALPEREN UZUN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK