شناسایی نویسنده متن با استفاده از شبکه کانولوشنی عمیق براساس آنالیز دست خط

در دنیای دیجیتالی امروز، شناسایی نویسنده یک مسئله چالش برانگیز است. امروزه، اسناد بسیاری توسط دوربین های دیجیتالی و دستگاه های اسکنر در حال تبدیل شدن به تصاویر هستند و زمینه ای برای پژوهش در زمینه شناسایی نویسنده آفلاین فراهم نموده اند. تاکنون تکنیکها و روش های گوناگونی برای حل این مسئله ارائه شده است که در میان آنها روش های مبتنی بر یادگیری عمیق به دلیل نتایج بهینه و مطلوب مورد توجه قرار گرفته اند. در این پژوهش با کمک یک شبکه عصبی کانولوشنی عمیق به ارائه یک روش برای شناسایی نویسنده متن پرداخته شده است. راهکار ارائه شده شامل سه گام پیش پردازش، استخراج ویژگی و طبقه بندی می باشد که در مرحله پیش پردازش ابتدا با انجام نرمال سازی تصاویر، حذف نویز با فیلتر گاوسی و جداسازی متن با استفاده از الگوریتم اتسو کیفیت تصاویر بهبود می یابد سپس به استخراج ویژگی های خودکار از تصاویر پرداخته شده است. معماری شبکه پیشنهادی ترکیبی از چندین لایه کانولوشنی با سه سایز مختلف و به صورت عمیق است. مسئله شناسایی نویسنده به دلیل کاربردهایی که در زمینه های اسناد قانونی، شناسایی جعل و اسناد تاریخی دارد همواره مورد توجه پژوهشگران این حوزه بوده است. در نهایت مدل پیشنهادی توسط معیارهای مختلف بر روی مجموعه داده CVL مورد ارزیابی و بررسی قرار گرفته است. نتایج به دست آمده توسط این معیارها نشان از عملکرد قابل قبول روش پیشنهادی است.

Keywords:

دست خط , شناسایی نویسنده , یادگیری عمیق , شبکه عصبی کانولوشنی