شماره ركورد
16569
عنوان
مطالعه و بررسي روشهاي تشخيص متن دستنويس فارسي با استفاده از يادگيري عميق
سال تحصيل
1400
استاد راهنما
جناب اقاي دكتر ناصر مزيني
استاد مشاور
ندارم
چکيده
تشخيص متن، فرايند تبديل تصاوير اسكن شده از متن دستنويس يا چاپ شده توسط ماشين به دنبالهاي از كاراكترهايي است كه ميتوانند توسط دستگاه خوانده شوند، يا در قالبهاي ساده يا فرامتن ذخيره شوند. از اوايل دهه 1970، شناخت الگوهاي نوشتاري پژوهشگران زيادي را به خود جلب كرده است. اگرچه اين امر منجر به توسعه و گسترش الگوريتمهاي كارآمد متعددي شده، بسياري از اين الگوريتمها هنوز كاملاً قابلاعتماد نيستند و نياز به پيشرفتهاي بيشتري دارند. همچنين، باتوجهبه پيچيدگي و تنوع سبكهاي دستخط در خطهاي مختلف، استخراج ويژگيهاي مناسب از دست خط در هر زباني مشكل است و همچنان اين موضوع مسئلهاي باز است. بااينحال، در سالهاي اخير، مدلهاي شبكه عصبي پيچشي در اكثر برنامههاي بينايي كامپيوتري از جمله تشخيص متن موردتوجه قرار گرفتهاند. در اين سمينار پژوهشهاي انجام شده در حوزه تشخيص متن، بررسي و جمعآوريشده و رويكردهاي متفاوت حل مسئله بيان شده است. همچنين يافتهها در حوزه زبان فارسي و زبانهاي مشابه مانند پشتو، عربي و اردو نيز مورد بررسي قرار گرفتهاند. زيرا كاراكترهاي اين زبانها بسيار به زبان فارسي نزديكاند و مجموعهدادهها و روشهاي استفاده شده در اين پژوهشها ميتواند براي زبان فارسي نيز الهامبخش باشد. عليرغم كاربردهاي مختلف در تشخيص ارقام، حروف و كلمات، جملات تنها مطالعات اندكي به زبان فارسي پرداختهاند؛ بنابراين مطالعه و بررسي اين حوزه از اهميت بالايي برخوردار است.
نام دانشجو
مريم هاشمي
تاريخ ارائه
1/1/1900 12:00:00 AM
متن كامل
88952
پديد آورنده
مريم هاشمي
تاريخ ورود اطلاعات
1404/09/27
عنوان به انگليسي
Study and review persian handwritten text recognition methods using deep learning
كليدواژه هاي فارسي
handwritten text recognition, character recognition, words, Persian numbers, convolutional neural network, computer vision, recurrent networks, transformer network. , تشخيص متن دستنويس، تشخيص كاراكترهاي،كلمه،اعداد فارسي، شبكه عصبي پيچشي، بينايي كامپيوتر،شبكه هاي بازگشتي ،شبكه ترنسفورمر
كليدواژه هاي لاتين
handwritten text recognition, character recognition, words, Persian numbers, convolutional neural network, computer vision, recurrent networks, transformer network.