GCOCR، روشی برای تشخیص حروف براساس شبکه های دروازه دار کانولوشنی و بازگشتی
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 27
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSCIT-13-3_003
Index date: 11 March 2025
GCOCR، روشی برای تشخیص حروف براساس شبکه های دروازه دار کانولوشنی و بازگشتی abstract
در دو دهه اخیر شناسایی دست نوشته یکی از چالش برانگیزترین زمینه ها در بینایی کامپیوتر بوده است، چراکه دستخط هر فرد با دیگری متفاوت بوده و تنها منبع اطلاعاتی چنین سیستمی، تصاویر دستخط می باشند. برای این چالش، معماری های متفاوتی بر مبنای در دسترس بودن داده های برچسب گزاری شده در مقیاس بزرگ ارائه شده است. در این پژوهش، یک معماری ترکیبی مبتنی بر روش های یادگیری عمیق، شبکه های عصبی بازگشتی کانولوشنی و شبکه های دروازه ای کانولوشنی بانام GCOCR ارائه گردیده است. در این معماری، ابتدا پیش پردازش داده ها با استفاده ازروش های لایه گزاری، رفع کجی حروف و افزایش تعداد نمونه ها انجام شده است، سپس لایه های ترکیبی کانولوشنی دروازه دار، توابع فعال ساز رلو، پولینگ و شبکه عصبی دوجهته معماری GCOCR را پیاده سازی می کنند. نتایج عملکرد این معماری بر روی دیتاست IAM حاکی از آن است که خطای حرف GCOCR، ۶/۸ % و خطای کلمه GCOCR، ۴/۲ % کمتر از قوی ترین پژوهش های مشابه می باشد.
GCOCR، روشی برای تشخیص حروف براساس شبکه های دروازه دار کانولوشنی و بازگشتی Keywords:
شبکه های عصبی بازگشتی کانولوشنی , شبکه های عصبی کانولوشنی دروازه دار , افزونگی داده , یادگیری عمیق , شناسایی دستخط
GCOCR، روشی برای تشخیص حروف براساس شبکه های دروازه دار کانولوشنی و بازگشتی authors
Seyed Mohammadreza Mousavi
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی سجاد، مشهد، ایران.
Amir Bavafa Toosi
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی سجاد، مشهد، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
