مروری بر روش های یادگیری ژرف در بازشناسی نوری نویسه ها با تاکید بر رسم الخط های فارسی، عربی و اردو

در سال های اخیر موفقیت شبکه های عصبی کانولوشنی ژرف در تشخیص و بازشناسی اشیا سبب جلب توجه بسیاری از حوزه های مختلف یادگیری ماشین، از جمله حوزه بازشناسی نوری نویسه ها، به این مقوله شده است. یکی از چالش های مهم این حوزه، استخراج ویژگی های متمایزکننده و حاوی اطلاعات است. غالب روش هایی که در سال های گذشته در بازشناسی نوری حروف مطرح شدند، مبتنی بر ویژگی های دستی هستند که توانایی تعمیم پذیری محدودی دارند. امروزه به کمک شبکه های کانولوشنی می توان استخراج ویژگی را به صورت خودکار و با کارایی فوق العاده ای به ماشین سپرد و بازشناسی حروف جدا، ارقام و لیگاتورها را بادقت بالایی انجام داد.  همچنین، ساختارهایی بر مبنای ترکیب شبکه های کانولوشنی و بازگشتی  پیشنهاد شده اند، که می توانند بدون نیاز به جداسازی حروف، بازشناسی را انجام دهند. این رویکرد در سال های اخیر مورد توجه زیاد محققان بینایی ماشین قرار گرفته است؛ چرا که به کمک این شبکه ها می توان به شکل مستقل از زبان، بازشناسی را تنها با توجه به مجموعه آموزشی انجام داد. هدف از این مقاله، مروری بر کارهای انجام شده با  این رویکرد نوین در حوزه بازشناسی نوری نویسه ها است. در ادامه، پس از بیان مسئله و مروری مختصر بر روش های قبل، روش های مبتنی بر الگوریتم های ژرف و ویژگی های آن ها با تفصیل بیشتری ارزیابی می شوند. از آنجا که تاکید این مقاله روی تحقیقات بازشناسی نوری حروف در رسم الخط های پیوسته، نظیر فارسی، عربی و اردو است، کارهای انجام شده در این حوزه ها نیز در بخشی جداگانه مرور می شوند. همچنین، ضمن معرفی مجموعه های داده معروف برای کاربردهای مختلف و مروری بر معیارهای ارزیابی روش های بازشناسی نوری حروف، مهم ترین نرم افزارهای اختصاصی و بسته های نرم افزاری متن بازی که برای بازشناسی حروف استفاده می شوند، معرفی خواهند شد.