تشخيص متون دست‌نويس فارسي با استفاده از شبكه‌هاي عصبي

كارشناسي

با توجه به رشد چشم‌گير و اهميت پژوهش ها و تحقيقات در سه حوزه‌ي بينايي كامپيوتر و شبكه هاي عصبي عميق و پردازش زبان طبيعي روزانه با شاهد دستاورد هاي اين سه حوزه هستيم كه هر يك از دستاورد ها در تلاش هستند كه مشكلاتي را رفع كنند و يا كار را براي انسان ها ساده تر كنند. تبديل نوشته هاي فارسي كه در قالب تصاوير هستند به متن همواره يكي از چالش هاي معمول در حوزه پردازش زبان طبيعي است. اين چالش هنگامي كه متن دست نويس باشد بسيار دشوار تر خواهد شد زيرا پيچيدگي و تنوع متون دست نويس بسيار بيشتر از متون تايپ شده است. متاسفانه اين مسئله در زبان فارسي مضاعف است چون اولا كلمات بهم چسبيده است و ثانيا وجود نقطه و ملحقات حروف كار را دشوارتر مي كند. به همين دليل نرخ بازشناسي در شناسايي حروف دست نويس فارسي خيلي پايين است و بهبود اندك در اين حوزه مي تواند بسيار اثربخش باشد. حال اين پروژه در تلاش است كه با استفاده از راهبرد هاي مورد استفاده در هوش مصنوعي و شبكه هاي عصبي صفحات حاوي حروف دست نويس را كه اسكن كرديد از فرمت عكس به متن تبديل كند و دقت بازشناسي را بهبود بخشد بدون آنكه وقت و هزينه اي صرف تايپ مجدد آن نوشته شود.

196806

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر

ناصر مزيني