تشخیص اعداد دستنویس لاتین و عربی بر مبنای ویژگی گرادیان

در این نوشتار بر مبنای ویژگیهای حاصل از گرادیان و کلاسبندی توسط ماشین بردار پشتیبان، روشی برای تشخیص اعداددستنویس به نحوی که قید لاتین و عربی وجود نداشته باشد مطرح شده است. مجموعه دادههای استفاده شده برای آموزش و تست اعداد لاتین و عربی به ترتیبADBase و MNISTهستند، که هر یک شامل مجموعهای از 60000 نمونه برای آموزش و 10000 نمونه برای تست میباشند. از هر تصویر، برداری شامل 100 عنصر که در برگیرندهی ویژگیهای گرادیان تصویر است استخراج شده و توسط شبکه عصبی و ماشین بردار پشتیبان، کلاسبندی به 20 کلاس هدف برای مجموعهی آموزش و تست صورت گرفته است. با کلاسبندی توسط شبکه عصبی، نرخ تشخیص بطور متوسط 90/5%و با استفاده از ماشین بردار پشتیبان، پس از بهینهسازی پارامترها، به میزان 95/36%حاصل شد که با بررسی نتایج حاصل و روش ارائهشده، این نرخ تشخیص تا 97/35%بهبود مییابد.

کلیدواژه ها:

اعداد دستنویس ، تشخیص نوری ، شبکه عصبی ، گرادیان ، ماشین بردار پشتیبان