شناسایی آفلاین (غیر برخط) نویسنده با استفاده از داده های نامتجانس دستخط بر پایه یادگیری عمیق
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
تشخیص دستخط همواره مسیله 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 ارایه 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.
کلیدواژگان:
زبان:
فارسی
صفحات:
115 تا 134
لینک کوتاه:
magiran.com/p2571528
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!