Makine öğrenmesi yöntemleriyle el yazısı tanıma
Handwriting recognitionusing machine learning
- Tez No: 646937
- Danışmanlar: DR. ÖĞR. ÜYESİ SERAP KAZAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
El yazısı tanıma problemi makine öğrenmesi çalışmalarında her zaman kendisine yer bulmuştur. El yazısı tanıma işlemi bir çok aşamadan oluşmaktadır. Bunlar; ön işleme, dilimleme, öz nitelik çıkarımı, sınıflandırma ve son işleme aşamalarıdır. Bu aşamaların her biri kendi özelinde ayrı birer çalışmaya konu olabilecek kapsamdadırlar. Bu tez çalışmasında sınıflandırma aşamasında yapılan; ön işlemesi, dilimlemesi yapılmış veri setini tanıma işlemi üzerinde çalışılmıştır. Çalışmada MNIST veri seti kullanılmıştır. Bu veri seti 250 farklı kişiden alınan 60.000 numune içerir. 0-9 arası rakamların el yazısı görsellerini kullanıma sunar. Akademik çalışmalarda sıklıkla tercih edilmektedir. MNIST veri seti üzerinde bir çok makine öğrenmesi yöntemi çalıştırılmıştır. Her bir yöntem için verim hesaplanmış, sonuçlar raporlanmıştır. Literatür taramasında en çok karşılaşılan ve el yazısı tanıma alanında en çok tercih edilen makine öğrenmesi yöntemlerine öncelik verilmiştir. Bu araştırmalar ve testler sonucunda karşılaştırılan yöntemlerden en yüksek verimi sağlayan yöntemler K-En Yakın Komşu algoritması ve K-Ortalama algoritması olmuştur. Elbette çalışma süresi, veri seti gibi bir çok etkenin de varlığı bu alanda çalışmak isteyenler için kıstas olarak alınmalıdır. Bu tez çalışması el yazısı tanıma alanına temelden bir giriş yapmış ve makine öğrenmesi alanında farklı bir çok alt yöntemi el yazısı rakam tanıma için test etmiştir. Bu açıdan yol gösterici olması hedeflenmiştir.
Özet (Çeviri)
The problem of handwriting recognition has always been involved in machine learning studies. There are many stages of handwriting recognition. These are; pre-processing, segmentation, feature extraction, classification and post-processing stages. Each of these stages can be subject to a separate academic study. The subject of this study is the classification of the pre-processed and segmented data set. MNIST data set was used in this study. This data set contains 60,000 samples from 250 different people. Includes handwritten images of numbers 0 to 9. It is frequently preferred in academic studies. Many machine learning methods were run on the MNIST data set. Accuracy score was calculated for each method and results were reported. For the study, the most common machine learning methods in the field of handwriting recognition were selected. As a result of these researches and tests; the methods providing the highest efficiency from the methods compared were K-Nearest Neighbor algorithm and K-Means algorithm. Of course, the existence of many factors such as working time and data set should be taken as a criterion for those who want to work in this field. This thesis study has made a basic introduction to the field of handwriting recognition and has tested many different machine learning methods for handwriting digit recognition. It is aimed to be a guide in this study area.
Benzer Tezler
- Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yönetimi
Fraud risk management in mobile cellular communications systems
ONUR TÜFEKÇİOĞLU
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Giyilebilir akıllı eldivenler ile gerçek zamanlı insan–İHA etkileşimi
Real time human – UAV interaction with wearable smart gloves
TAHA MÜEZZİNOĞLU
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- 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
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR