Geri Dön

Handwritten text recognition using deep learning method

Derin öğrenme yöntemiyle el yazısı metin tanıma

  1. Tez No: 816081
  2. Yazar: HAGAR HANY ELSAYED ABDOU HASSAN HAGAR HANY ELSAYED ABDOU HASSAN
  3. Danışmanlar: Assoc. Prof. AYLA GÜLCÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Son on yılda özellikle tarihi belgelerin tanınmasında olduğu gibi, çevrimdışı elle yazı tanıma geniş bir şekilde kullanılmıştır. Derin öğrenme, geleneksel yazının dijitalleştirilmesi sorununu çözebilme gücüne sahiptir. Derin öğrenmedeki her bir algoritma belirli bir görevi veya özel bir problemi çözebilir. Bu tezde, giriş kelimelerindeki karakterlerin belirgin özelliklerini çıkarmak için bir evrişimli sinir ağı kullanıyoruz. Karakterlerin birleştirilmesi, çoklu karakterin belirli bir kelime oluşturabilmesi nedeniyle bir sinir ağı gerektirir. Bu işi yapabilen bir tekrarlayan sinir ağı kullanılabilir. Uzun diziler, kombinasyonu hatırlamak için bir sinir ağında hafızaya ihtiyaç duyar. Bu, giriş görüntüsünü karakterlerin her görüntü konumunda olasılık matrisi vererek kodlamak için uç katmanlı evrişimli sinir ağı (CNN) ardından çift yönlü uzun-kısa süreli bellek (BLSTM) içeren bir hibrit derin sinir ağı inşa eden uzun-kısa süreli bellek (LSTM) görevine aittir. Bağlantıcı Zamansal Sınıflandırma (CTC) işlemi, bu matrisi, kayıp fonksiyonunu hesaplamak için tahmin edilen ve hedef çıktı arasında en uygun eşleşmeyi bulmak için kullanır.. En iyi sonuçları elde etmek için modele farklı parametre değerleri denedik. Modelimizi IAM veri kümesi üzerinde değerlendirdik ve makul bir hata oranı elde ettik.

Özet (Çeviri)

Offline handwritten text recognition has been widely used in the last decades, especially in several fields like historical document cognition. Deep learning has the power to address the problem of digitizing traditional writing. Each algorithm in deep learning can handle a specific task or solve a particular problem. In this thesis, we use a convolutional neural network for extracting distinct features of the characters in input words. Combining characters needs a neural network that can find combinations in a given sequence since multiple characters can form a specific word. A recurrent neural network can do this. The long sequences need memory in a neural network to remember the combination. This is the task of long-short-term memory (LSTM) built a hybrid deep neural network which contains three layers of convolutional neural network (CNN) followed by bidirectional long-short term memory (BLSTM) to encode the input image by giving a matrix of probabilities over characters at each image position. Connectionist Temporal Classification (CTC) operation uses this matrix to find the most suitable match between predicted and target output for computing the loss function. We tried different parameters value in the model till we obtained the best ones. We evaluated our model on the IAM dataset and got a reasonable error rate.

Benzer Tezler

  1. Derin öğrenme kullanarak el yazılarından bilgi çıkarımı

    Extracting information from handwriting using deep learning

    MEHMET TUTAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ

  2. 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

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YAŞAR HOŞCAN

    DOÇ. DR. ÉVA NAGYNÉ HAJNAL

  3. Visual object recognition and detection using deep learning

    Derinlikli öğrenme ile görsel nesne tanıma ve tespit etme

    BURAK ÇÖREKCİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  4. Derin öğrenme yöntemleri ile Türkçe el yazısı tanıma

    Turkish handwriting recognition with deep learning methods

    ALPEREN UZUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK

  5. İngilizcede çember dolgu oranı yöntemi ile optik karakter tanıma

    Optical character recognition with circle filling rate method for English

    SAHRA TİLKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. YAHYA ŞİRİN