|
عنوان
|
بازشناسی اسامی متشکل از حروف دست نویس مجزای فارسی با استفاده از یادگیری عمیق
|
|
نوع پژوهش
|
پایان نامه
|
|
کلیدواژه‌ها
|
یادگیری عمیق، زبان فارسی، حروف دست نویس، بازشناسی، بینایی ماشین، شبکه های عصبی
|
|
چکیده
|
پس از دریافت فرم های تکمیل شده توسط مراجعان در ادارات، معمولاً این اطلاعات توسط یک عامل انسانی پردازش شده و به سیستم های رایانه ای وارد می شود؛ این امر علاوه بر تحمیل هزینه بالای زمانی و مالی به ادارات و تأثیر منفی بر روی کارایی آن ها، در برخی موارد به دلیل ایجاد صف های طولانی موجب نارضایتی مراجعان نیز می شود. از این رو بهبود عملکرد فرایندهای مربوط به مراجعان یک هدف اساسی برای مؤسسات است. همچنین پردازش انبوه اسنادی نیز که از گذشته برجای مانده اند چالش بزرگی است که در صورت استفاده از عامل انسانی نیازمند هزینه ی بسیار خواهد بود. از سوی دیگر درصورتی که این روند به صورت خودکار و با استفاده از ماشین انجام شود، موجب کاهش زمان پردازش اسناد شده و هزینه مالی نهایی را نیز به شکل قابل توجهی کاهش می دهد. امروزه به کاربردن این سیستم های هوشمند به خصوص در مراکز مالی می تواند از بروز مشکلات امنیتی جلوگیری کند. ازاین رو ارائه مدلی که بتواند دقت بالایی در تشخیص و طبقه بندی حروف و کلمات و به خصوص حروف فارسی را داشته باشد یک چالش مهم است. همچنین ساختار حروف زبان فارسی به گونه ای است که به تعداد نقطه های حروف نقطه دار بسیار حساس بوده و وجود کوچکترین نویز و یا لکه جوهر می تواند در تشخیص نادرست حرف تأثیرگذار باشد؛ به همین علت مدل ارائه شده باید توانایی تشخیص بالایی داشته باشد. ازاین رو و به خصوص در فرم ها، وجود کادر در بخش های ثابت فرم، می تواند به عنوان نویز شناخته شده و در تشخیص و بازشناسی حروف به صورت یکجا اثر منفی داشته باشد. این پژوهش سعی بر ارائه رویکردی مبتنی بر یادگیری عمیق و مرتفع نمودن چالش های موجود را دارد.
|
|
پژوهشگران
|
حسین زنده دل شیشوان (دانشجو)، جلیل قویدل نیچران (استاد راهنما)، مهدی هاشم زاده (استاد مشاور)
|