El yazması dokümanlarda üretken çekişmeli ağ tabanlı satır bölütlemesi
Generative adversarial networks based text-line segmentation for handwritten documents
- Tez No: 722947
- Danışmanlar: DR. ÖĞR. ÜYESİ UFUK ÖZKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Eski Çağ Dilleri ve Kültürleri, Computer Engineering and Computer Science and Control, Science and Technology, Ancient Linguistics and Cultures
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Tarihi belgeler araştırmacıların ve tarihçilerin çalışmalarında kullandığı önemli referanslardır. Fakat bu belgelerin incelenerek doğru içerik ve bilgiye ulaşılması oldukça zahmetli bir iştir. Daha pratik ve hızlı bir araştırma için tarihi belgelerin dijitalleştirilmesi çok büyük bir öneme sahiptir ve bu amaçla günümüzde birçok tarihi doküman dijital ortama aktarılmaktadır. Dijital ortama aktarılan bu dokümanlardan doğru bilgiye ulaşmak kendi içinde birçok zorluk barındırmaktadır. Matbu belgeler için satır bölütleme ve tanımlama işlemi oldukça başarılı hale gelmiştir. Fakat el yazması belgelerde bu başarının düştüğü görülmektedir. Özellikle tarihi belgelerde satır düzensizliği, belge hasarı, satır ve karakter örtüşmesi gibi problemler daha çok görülmektedir. Bu faktörler de satır bölütleme başarısını düşürmektedir. Bu tezde el yazması metinlerde satır bölütleme problemi için derin öğrenme tabanlı üretken çekişmeli ağlar üzerine çalışılmıştır. Bu amaçla geliştirilen üretken çekişmeli ağ tabanlı bölütleme yöntemi örtüşen satırların, farklı satır davranışlarının yoğun olduğu Arapça veri setlerine uygulanmıştır. Elde edilen görsel ve sayısal sonuçlara göre üretken çekişmeli ağlar özellikle el yazması metinlerde temel bir problem olan satır bölütleme için başarılı bir performans sergilemiştir. Elde edilen sonuçlar diğer yöntemlerle de kıyaslanarak önerilen yöntemin üstünlükleri ve kısıtları tartışılmıştır.
Özet (Çeviri)
Historical documents are essential references that researchers and historians use in their studies. However, examining these documents and obtaining the right content and information is laborious. Therefore, digitization of historical documents is of great importance for more practical and rapid research, and for this purpose, many historical documents are transferred to digital media today. However, accessing the correct information from these documents transferred to the digital environment has many difficulties. Line segmentation and definition process for printed documents has become quite successful. However, it is seen that this success has decreased in manuscript documents. Especially in historical documents, problems such as line irregularity, document damage, line and character overlap are more common. These factors also reduce the success of row segmentation. In this thesis, deep learning-based generative adversarial networks have been studied for the line segmentation problem in manuscripts. Furthermore, the generative contentious network-based segmentation method developed for this purpose has been applied to Arabic datasets where overlapping rows and different row behaviors are intense. According to the visual and numerical results obtained, productive contentious networks have performed successfully, especially line segmentation, which is a fundamental problem in manuscripts. Finally, the obtained results were compared with other methods, and the advantages and limitations of the proposed method were discussed.
Benzer Tezler
- DP16T switching matrix for microwave imaging applications
Mikrodalga görüntüleme sistemleri için DP16T switch
YUNUS BAYKAL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇAYÖREN
- Osmanlıca el yazması belgeler için derin öğrenme tabanlı karakter tanıma yöntemi
Deep learning based character recognition method for Ottoman manuscript documents
ALİ ALPER DEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UFUK ÖZKAYA
- Azerbaycan Cumhuriyeti Ordubad İpek Koza Fabrikası'nın tarihi ve ülke ekonomisine katkıları (1934-1996)
The history of Azerbaijan Republic Ordubad Silk Cocoon Factory and its contributions to national economy
ELCHIN SULEYMANOV
Yüksek Lisans
Türkçe
2020
TarihKastamonu ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
PROF. DR. NAMIG MUSALI
- Desing of a steganographic library
Steganografik kütüphane tasarımı
ZEKARİYA ERKİN
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. BÜLENT ÖRENCİK