Derin öğrenme yöntemleri ile Türkçe el yazısı tanıma
Turkish handwriting recognition with deep learning methods
- Tez No: 905413
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 64
Özet
El Yazısı Karakter Tanıma, karakterleri bir görüntü olarak algılayıp bu görüntüleri analiz ederek metin formatında işleyebilen algoritmalar kullanır. Bu teknoloji belgelerin dijitalleştirilmesi ve arşivlenmesi gibi birçok alanda önemli bir rol oynar. Literatürde el yazısı karakter tanıma çalışmaları genellikle İngilizce alfabe ve yaygın olarak kullanılan Latin karakterleri üzerine yoğunlaşmaktadır. Türkçe gibi özel karakterler içeren diller için geliştirilmiş veri setlerinin sınırlı olması bu dillerdeki tanıma sistemlerinin performansını olumsuz yönde etkileyebilir. Bu çalışmanın hedefi Türk alfabesindeki özel karakterleri içeren veri setleri hazırlayarak el yazısı karakter tanıma alanında literatüre katkı sağlamak ve kendi oluşturduğumuz bir veri seti üzerinde derin öğrenme tekniklerinin başarımını değerlendirmektir. Bu amaçla bir kurumda çalışan 400 kişinin farklı yazım stilleriyle gönüllü olarak doldurduğu belgelerden el yazısı karakterler elde edilerek bir veri seti oluşturulmuş, ardından derin öğrenme tabanlı CNN (Evrişimsel Sinir Ağı) modelleri bu veri setiyle eğitilmiştir. CNN modellerinin test sonuçları karşılaştırıldığında en başarılı modelin %93,86 test başarısına ulaştığı görülmüştür. En başarılı CNN modelininin performansı çeşitli metriklerle değerlendirilmiş ve modelin sınıflandırma başarısı detaylı bir şekilde analiz edilmiştir.
Özet (Çeviri)
Handwritten Character Recognition uses algorithms that can detect characters as images and analyze these images to process them in text format. This technology plays a significant role in various fields, such as digitizing and archiving documents. In the literature, studies on handwritten character recognition generally focus on the English alphabet and commonly used Latin characters. The limited availability of datasets developed for languages with special characters, such as Turkish, can negatively affect the performance of recognition systems in these languages. The aim of this study is to contribute to the literature in the field of handwritten character recognition by preparing datasets containing special characters from the Turkish alphabet and to evaluate the performance of deep learning techniques on our own dataset. For this purpose, a dataset was created by extracting handwritten characters from documents voluntarily filled out by 400 employees in an institution, each with different writing styles. Then, deep learning-based CNN (Convolutional Neural Network) models were trained with this dataset. When the test results of the CNN models were compared, it was found that the most successful model achieved a test accuracy of 93.86%. The performance of the best CNN model was evaluated using various metrics, and the classification success of the model was analyzed in detail.
Benzer Tezler
- Offline handwriting recognition using deep learning with emphasis on data augmentation effects
Veri artırma etkilerini vurgulayarak derin öğrenme yöntemleri ile görüntüden el yazısı tanıma
FIRAT KIZILIRMAK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Derin öğrenme kullanarak el yazılarından bilgi çıkarımı
Extracting information from handwriting using deep learning
MEHMET TUTAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ
- Derin öğrenme algoritmaları kullanılarak çay alanlarının otomatik segmentasyonu
Automatic segmentation of tea fields by using deep learning algorithms
SALİH BOZKURT
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- 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
- Derin öğrenme yöntemi ile el yazısı tanıma
Deep learning method for handwriting recognition
AYŞE AYVACI ERDOĞAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH ERDAL TÜMER