Geri Dön

El yazısı rakamlarından cinsiyet tahmini: Derin öğrenme yaklaşımlarının karşılaştırılması ve analizi

Gender estimation from handwritten digits: A comparison and analysis of deep learning approaches

PDF İndir

  1. Tez No: 921742
  2. Yazar: SEYİT MEHMET ÇİFTCİ
  3. Danışmanlar: PROF. DR. MEHMET AKİF ŞAHMAN
  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: 2025
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 58

Özet

Uzun zamandır, çeşitli alanlardaki bilgilerin dijitalleştirilmesi ve depolanması giderek daha önemli hale gelmiştir. Özellikle basılı, el yazısı veya görüntü verilerinin düzenlenebilir bir formata dönüştürülmesine yönelik önemli bir talep vardır. Hem dijitalleştirme süreci hem de bu tür bilgilerin tanınması sırasında çeşitli sorunlar ortaya çıkmaktadır. Araştırmacılar için bu alan oldukça çekicidir. Görüntü dosyalarından metinsel verileri çıkarmak ve saklamak için çeşitli teknolojik yaklaşımlar vardır. Yaygın olarak tanınan bir teknoloji olan Optik Karakter Tanıma (Optical Character Recognizer-OCR), taranan belgelerdeki veya görüntülerdeki metni, düzenlenebilen ve depolama için kullanılabilen dijital metne dönüştürür. Bununla birlikte, karakter özellikleri, boşluk eksikliği, metindeki eksen kaymaları ve özellikle el yazısı olanlar, taranan belgelerdeki görüntü kalitesinin bir sonucu olarak, çeşitli sorunlar ve zorluklar çıkarmaktadır. Yapay zekâ tabanlı tekniklerin kullanımı karakter tanıma doğruluğunu artırmıştır. Bu teknikler arasında Evrişimsel Sinir Ağları (CNN'ler) bilgisayarlı görme problemleri için tercih edilmektedir. Bu çalışmada, Türk Milli Eğitim Sistemindeki öğrencilerden el yazısı rakamlar toplanmış ve veriler uygun bir şekilde etiketlenmiştir. Veriseti ile öğrencilerin el yazılarının ve cinsiyetinin tespit edilmesi amaçlanmıştır. İyi bilinen beş farklı CNN modeli (Özelleştirilmiş CNN, Resnet-50, InceptionV3, Vgg16, Vgg19) kullanılmıştır. Bu modellerden elde edilen sonuçlar karşılaştırılmıştır.

Özet (Çeviri)

For a long time, the digitization and storage of information in various fields has become increasingly important. In particular, there is a significant demand for the conversion of printed, handwritten or image data into an editable format. Various issues arise both in the digitization process and in the recognition of such information. For researchers, this area is very attractive. There are various technological approaches to extract and store textual data from image files. Optical Character Recognizer (OCR), a widely recognized technology, converts text from scanned documents or images into digital text that can be edited and used for storage. However, character features, lack of whitespace, axis shifts in text, and especially handwritten ones, pose various problems and challenges as a result of the image quality in scanned documents. The use of artificial intelligence-based techniques has improved the accuracy of character recognition. Among these techniques, Convolutional Neural Networks (CNNs) are preferred for computer vision problems. In this study, handwritten digits were collected from students in the Turkish National Education System and the data were appropriately labeled. The dataset aims to identify students' handwriting and gender. Five different well-known CNN models (Customized CNN, Resnet-50, InceptionV3, Vgg16, Vgg19) were used. The results obtained from these models are compared.

Benzer Tezler

  1. Tez No

    601989

    Duvar üzerine çeşitli kalemler ile yazılmış el yazılarının incelenmesi

    Examination of handwrites written with various items on the wall

    SEZAİ ULUÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Adli TıpÜsküdar Üniversitesi

    Adli Bilimler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYLİN YALÇIN SARIBEY

  2. Tez No

    434223

    A weakly supervised clustering method for cancer subgroup identification

    Kanser alt gruplarının keşfi için zayıf gözetimli bir kümeleme metodu

    DUYGU ÖZÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. ÖZNUR TAŞTAN OKAN

  3. Tez No

    309665

    Paralel programlama ile el yazısı rakamlarının tanınması

    Handwritten digits recognition with parallel programming

    ALİ GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUNCAY YİĞİT

  4. Tez No

    455601

    Human body tracking and hand gesture recognition in RGB-D data

    RGB-D verilerinden insan takibi ve el hareketlerinin tanınması

    ABDULLAH AYAPBEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HALDUN SARNEL

  5. Tez No

    964991

    Comparative study of privacy-preserving techniques in federated learning

    Federasyonel öğrenimde gizliliği koruyan tekniklerin karşılaştırmalı çalışması

    NESRINE BEN TAMAGOULT DIT MONGAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    Assoc. Prof. OKAN YAŞAR

Geri Dön