CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet

عنوان مقاله: تشخیص ارقام دست نویس فارسی با استفاده از یادگیری عمیق بر مبنایAlexNet
شناسه ملی مقاله: ETECH03_080
منتشر شده در سومین کنفرانس ملی تکنولوژی مهندسی برق و کامپیوتر در سال 1396
مشخصات نویسندگان مقاله:

ابراهیم فرح بخش - گروه مهندسی کامپیوتر، موسسه آموزش عالی شفق مازندران، ایران
احسان اله کوزه گر - دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران تهران، ایران

خلاصه مقاله:
در این مقاله یک روش جدید برای بازشناسی ارقام دست نویس فارسی ارایه کرده ایم. در این روش با بهره گیری از یک شبکه عصبی کانولوشن عمیق به استخراج ویژگیهای با ارزش از تصاویر ارقام دست نویس فارسی پرداخته ایم. سپس ویژگی های حاصل از این شبکه را به یک ماشین بردار پشتیبان ارسال کرده ایم. مجموعه ارقام دستنویس هدی اولین مجموعه ی بزرگ ارقام دستنویس فارسی است. ابتدا به بررسی مقالاتی که بر روی این مجموعه داده کار کرده اند پرداخته ایم و سپس مدل پیشنهادی را بر این مجموعه داده اعمال کرده ایم. نتایج بدست آمده از آزمایشات، برتری مدل پیشنهادی ما را نشان میدهد.

کلمات کلیدی:
بازشناسی ارقام دست نویس فارسی، یادگیری بدون ناظر، شبکه عصبی کانولوشن عمیق، مجموعه ارقام دست نویس هدی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/749244/