Classification of printed characters with nevral networks
Başlık çevirisi mevcut değil.
- Tez No: 83823
- Danışmanlar: DOÇ. DR. MUSTAFA GÜNDÜZALP
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Ill ÖZET Yazılı dokümanların insan iletişimindeki önemi nedeniyle, yazılı dilin otomatik olarak tanınması pratik bir önem taşımaktadır. Karakterler de yazılı dilin en temel yapılarım oluştururlar. Karakter tanıma ise, karakter görüntüsünün ait olduğu sembolik sımfa atanması problemidir. Sözkonusu problemin çözümü için, bu tezde yapay sinir ağı tabanlı, pozisyon, büyüklük ve açıdan bağımsız bir basılı karakter tanıma sistemi sunulmuştur. Sistemin girişi iki yapının birleşimi ile sağlanmaktadır; UNL Fourier Dönüşümü ve Temel Bileşen Analizi. Giriş veri kümemizdeki karakterler, birbirlerinden farklı boyut, açı ve yerleşimdeki karakter görüntülerinden oluşmaktadır. Amaca ulaşmak için farklı kodlanmış çıkışlar denenmiştir. Sınıflandırma sistemi için farklı ağ parametreleri önerilmiştir. Eğitim evresinden sonra, tüm bu ağlar en yüksek performansı gösterenlerin belirlenmesi için test edilmiştir.
Özet (Çeviri)
II ABSTRACT Automatic recognition of written language has practical significance, because of the importance of the printed documents in human communication. Characters are the basic structures of written language. The problem in character recognition is to assign the character image into its symbolic class. To solve this problem a Neural Network based printed character recognition system that is invariant to scaling, rotation and translation is introduced and simulated in this thesis. The input of the system is a combination of two structures, UNL Fourier Transform and Principal Component Analysis. The characters in our input data set are captured character images having different size, rotation and placement from each other. Different coded outputs were also tested to achieve the goal. Different network parameters are offered for the classification system. After the training phase, all these networks are tested and compared to determine the ones that perform best.
Benzer Tezler
- Design of an offline ottoman character recognition system for translating printed documents to modern turkish
Basılı dökümanların modern türkçeye çevrilmesi için çevrimdışı osmanlıca karakter tanıma sistemi tasarımı
NAZ KÜÇÜKŞAHİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ZÜBEYİR ÜNLÜ
- Yapay sinir ağı kullanarak el yazısı rakam tanıma
Recognition of handwritten numerals by using neural network
HASAN HÜSEYİN ÇELİK
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiPROF. DR. İHSAN GÖK
- Osmanlıca karakterlerin bilgisayar destekli tanınması
Başlık çevirisi yok
ALİ ÖZTÜRK
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAGIP BAŞBUĞ
- Barkod teknolojileri, çözümleri ve bir depo yönetimi uygulaması
Barcode technologies, solutions and a warehouse management application
ALPER ŞAKİR METİN
Yüksek Lisans
Türkçe
2001
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ATAÇ SOYSAL
- Ziya Şakir'in basılmış romanları üzerine bir araştırma
A research on printed novels of Ziya Şakir
İREM KARAMAN
Yüksek Lisans
Türkçe
2021
Türk Dili ve EdebiyatıMuğla Sıtkı Koçman ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. ALÂATTİN KARACA