Handwritten character recognition and document analysis using deep neural networks

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: İngilizce

Öğrenci: BARIŞ KILIÇLAR

Danışman: METEHAN MAKİNACI

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada el yazısı kaynak kodu karakterlerini tanımak için derin öğrenme tekniklerinin bir uygulaması sunulmuştur. Her ne kadar el yazısı karakter tanıma problemi üzerine bir çok çalışma olsa da, çevrim dışı el yazısı kaynak kodu karakteri tanımada çok az çalışma bulunmaktadır. Problem kaynak koduna özel karakterleri tanımayı içermektedir. C programa dilinde yazılmış kodlar içeren sınav kağıtları üzerinde önişleme, histogram tabanlı bölütleme ve normalizasyon yapan bir uygulama tasarlanmış ve gerçeklenmiştir. Oluşturulan veri kümesi 7093 kaynak kodu karakter örneği içermektedir. Bu veri kümesi CROHME veri tabanından dönüştürülen çevrim dışı örneklerle zenginleştirilmiştir. Sonuçta oluşan 95 sınıflı 17748 örnek ile bazı Evrişimsel Sinir Ağı (ESA) modelleri eğitildi ve test edildi. ESA el yazısı karakter tanıma görevlerinde en ileri gelişmeleri yansıtan bir derin öğrenme mimarisidir. Deneyler yüzde 92,33 ilâ yüzde 98,82 arasında başarı dereceleri vermiştir. Bununla, CNN tabanlı sınıflandırıcıların el yazısı kaynak kodu tanımada güçlü araçlar olduğu sonucuna varıyoruz.