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: Arapça harfler, Derin öğrenme, El yazısı tanıma, Evrişimli sinir ağları, Karakter tanıma, Veri setleri, OCR, Arabic character recognition, Hijja Dataset, Convolutional neural network, Deep learning, Arabic letters, Handwriting recognition, Convolutional neural networks, Character recognition, Data sets
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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.
Benzer Tezler
- Design of hybrid quantum convolutional neural network for ottoman character recognition
Osmanlıca karakter tanıma için hibrit kuantum evrişimsel sinir ağı tasarımı
NECATİ İNCEKARA
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiPiri Reis ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM BİLGİLİ
- Akciğer kanserinin CT görüntülerinden teşhisi için differansiyel konvolüsyonel yapay sinir ağı tabanlı görüntü tanıma yazılımı geliştirilmesi
Development of differential convolutional neural network based image recognition software for diagnosis of lung cancer from CT images
EMRAN DURSUNOV
Yüksek Lisans
Türkçe
2025
BiyomühendislikÇukurova ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MUTLU AVCI
- An end-to-end convolutional neural network framework for low-resolution attribute recognition
Düşük çözünürlüklü özellik tanıma için uçtan uca evrişimli sinir ağı çerçevesi
RAMIN ABBASZADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Evrişimli sinir ağı kullanılarak yaprak resimlerinin sınıflandırılması
Classification of leaf images using convoluti̇onal neural network
YUNUS CAMGÖZLÜ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU
- Mimari tasarımda yapay zeka: Evrişimli yapay sinir ağlarının vaziyet planı tasarımında kullanımı
Artificial intelligence in architectural design: The use of convolutional neural networks in site plan design
MUSTAFA KEMAL KAYIŞ
Yüksek Lisans
Türkçe
2019
Mimarlıkİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. HAKAN YAMAN