Use of convolutional neural network for recognition of arabic handwriting characters
Arapça el yazısı karakterlerin tanınmasında konvolusyonel sınır ağları kullanımı
- Tez No: 758662
- Danışmanlar: DR. MEHMET EMİN TENEKECİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Optik Karakter Tanıma (OCR), dijitalleşme çalışmalarının birçok aşamasında kullanılmaktadır. OCR, basılı dokümanlarda ve kamera görüntülerinde bulunan metinlerin dijitale ortama aktarılması için kullanılmaktadır. OCR işleminin en temel işlemi karakterler görüntülerinin tanınarak dijital ortama aktarılmasıdır. Dillerin farklı alfabe kullanması bu problemi çeşitlendirmektedir. Ayrıca el yazısında karekterler standart fontların dışında şekillerde olması tanımayı etkilemektedir. Arapça dili el yazısı bitişik şekilde yazıldığı ve karakterlerin farklı yazım şekilleri olduğundan diğer alfabelere göre daha karmaşıktır. Arapça alfabesi 28 harften oluşmaktadır. Harflerin şekli yazan kişiye göre çok farklılık gösterdiğinden diğer dillere göre daha karmaşıktır. Bu çalışmada karekterlerin tanınması için derin öğrenme modellerinden Evrişimsel Sinir Ağları kullanılmaktadır (Convolutional Neural Network). Hijja veri seti kullanılarak modellerin eğitim ve test işlemleri gerçekleştirilmiştir. Çalışmada 4 farklı CNN modeli önerilmiştir. Bu önerilen modeller ile eğitim ve test işlemleri gerçekleştirilmiştir. Önerilen modellerden Model C ile 99.3% doğruluk oranı literatürdeki çalışmalar ile rekabet edebilir sonuçlar elde etmiştir. ANAHTAR KELIMELER: OCR, Arapça karakter tanıma, Hijja Veri Kümesi, Evrişimli sinir ağı, Derin öğrenme
Özet (Çeviri)
Optical Character (OCR) is used for digitization identification. OCR is used for the digitalization of texts in printed documents and camera images. The most basic process of the OCR process is to recognize and digitize characters in images. The use of different alphabets by languages diversifies this problem. In addition, the fact that the characters in the handwriting are in shapes other than the standard fonts affects the recognition. The Arabic language is more complex than other alphabets, as it has been written in cursive and the spelling of characters aisdedifferentThe Arabic alphabet contains 28 letters. The shape of the letters differs greatly from one person to another, so they are more complex than in other languages. This study uses convolutional neural networks in deep learning models for Arabic handwriting recognition. Training and testing of models were carried out using the hijja dataset. Four different CNN models were proposed in the study. Training and testing procedures were performed with these proposed models. the recommended models, model C achieved 99.3% accuracy competitive results with studies in the literature. KEYWORDS: OCR, Arabic character recognition, Hijja Dataset, Convolutional neural network, Deep learning
Benzer Tezler
- Yinelemeli sinir ağları ile işaret dili tanıma
Sign language recognition with recurrent neural networks
İBRAHİM ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Yüz tanıma tekniğine dayalı yoklama sistemi geliştirilmesi
Development of an attendance registration system based on face recognition technique
AHMED B SALEM SALAMH
Doktora
Türkçe
2023
Mühendislik BilimleriKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL İBRAHİM AKYÜZ
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL