H 7

Representing and describing the shape of Farsi handwritten words based on deep learning Farsi specific attributes

كارشناسي ارشد

هوش مصنوعي

دانشگاه پيام نور مركزنجف آباد

1401

مجيد ايران پور مباركه

Representation , Recognition , Deep Learning , Almazan.

با پيشرفت علم هوش مصنوعي و پردازش تصوير خيلي از مسائل پيچيده و غيرقابل حل با روش هاي مستقيم رياضي، قابل حل شده و انقلاب عظيمي در روند پيشرفت تكنولوژي شده است. در دهه هاي اخير تشخيص دستخط يك چالش اساسي در هوش مصنوعي و پردازش تصوير مي باشد كه راهكارهاي متنوعي در اين زمينه ارائه شده است و متودهاي زيادي در زبان هاي لاتين، چيني، عربي و... كار شده است كه در اين ميان زبان فارسي هم نياز به توجه و راهكار هاي مخصوص به خود است. در زمينه تشخيص دستخط دو فرآيند مهم يعني بازنمايي و بازشناسي وجود دارد كه در اين رساله از بازنمايي PHOC (كه اولين بار توسط المزن ارائه شد) در زبان فارسي مورد استفاده قرار مي دهيم و تاثير آن را در زبان فارسي با توجه به ساختار هاي به خصوصي كه زبان فارسي دارد مورد ارزيابي قرار مي دهيم. براي آموزش از معماري PHOC-Net كه بر پايه VGG16 هست استفاده مي كنيم. علت استفاده از اين معماري، وجود لايه SPP هست كه باعث مي شود نيازي به بريدن و يك اندازه كردن تصاوير ورودي ندارد. زيرا كه بريدن تصاوير ممكن است باعث از دست دادن قسمت مهمي از تصاوير باشيم. در اين رساله اين معماري در پايتون طراحي شده و ورودي ها به صورت كلمات مجزا با ليبل براي آموزش به سيستم داده مي شود. ديتاست FARSA براي آموزش و تست مورد استفاده قرار مي گيرد و ديتاست ايرانشهر براي ارزيابي OOV استفاده مي شود. در نهايت اين ارزيابي با استفاده از معيار هاي Precision، Recall، mAP و Kappa Score انجام مي شود و نتايج به صورت نمودار و جدول در فصل آخر قرار داده شده است.

1401/05/03

سميه طاهري

72673