شناسایی آفلاین (غیر برخط) نویسنده با استفاده از داده های نامتجانس دستخط بر پایه یادگیری عمیق
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 262
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISEE-13-4_008
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
تشخیص دستخط همواره مسئله چالش برانگیزی بوده است؛ ازاین رو، توجه محققان زیادی را به خود جلب کرده است. مطالعه حاضر یک سیستم آفلاین (غیر برخط) تشخیص خودکار دست نوشته های انسان را در شرایط آزمایشی مختلف ارائه می دهد. این سیستم شامل داده های ورودی، واحد پردازش تصویر و واحد خروجی است. در این مطالعه، یک مجموعه داده راست به چپ بر پایه استانداردهای آمریکایی (ASTM) طراحی شده است. یک مدل شبکه عصبی کانولوشن عمیق (DCNN) بهبودیافته بر پایه شبکه از پیش آموزش دیده، برای استخراج ویژگی ها به صورت سلسله مراتبی از داده های خام دستخط طراحی شده است. یک مزیت درخور توجه در این مطالعه استفاده از داده های نامتجانس است. یکی دیگر از جنبه های شایان توجه مطالعه حاضر این است که مدل پیشنهادی DCNN مستقل از هر زبان خاصی است و می تواند برای زبان های مختلف استفاده شود. نتایج نشان می دهند مدل پیشنهادی DCNN، عملکرد بسیار خوبی برای شناسایی نویسنده بر پایه داده های نامتجانس دستخط دارد.
کلیدواژه ها:
نویسندگان
سید نادی محامد خسروشاهی
دانشجوی دکتری، دانشکده مهندسی کامپیوتر و فناوری اطلاعات – واحد ارومیه - دانشگاه آزاد اسلامی- ارومیه - ایران
سید ناصر رضوی
استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات – واحد ارومیه - دانشگاه آزاد اسلامی- ارومیه - ایران
امین بابازاده سنگر
استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات – واحد ارومیه - دانشگاه آزاد اسلامی- ارومیه - ایران
کامبیز مجیدزاده
استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات – واحد ارومیه - دانشگاه آزاد اسلامی- ارومیه - ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :