نویسنده : سارا رمضانی مقدم

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (استاد مدعو) : , دکتر اعظم‌السادات نوربخش,

چكيده : یکی از مسائل مهم در طراحی ‏دستگاه‌های مدرن اطلاعاتی، بازشناسی خودکار الگوها است. امروزه، با توجه به افزایش استفاده از سامانه‌‏های خودکار تشخیص، بازشناسی ارقام و حروف اهمیت بسیار زیادی پیدا کرده است. مراحل تشخيص كاراكترها در يك سيستم OCR شامل اسكن كردن مناسب تصوير و پردازش و آماده‌سازي آن براي تشخيص، سپس قطعه بندي آن به خطوط و كلمات و كاراكترها و بعد از آن تشخيص قطعات از هم تفكيك شده مي‌باشد. خطاي حاصله از هر كدام از مراحل تأثير مستقيم روي نتيجه نهائي خواهد داشت. در این پایان نامه تشخیص متن با استفاده از الگوریتم‌های یادگیری عمیق و روش پیش‌بینی پويش خط زمينه مورد بحث قرار گرفته است. بیشتر روش‌هایی که جهت دستیابی به کارایی بالا در بازشناسی کاراکترها ارائه شده است عملیات شناسایی را با استفاده از راه‌حل‌های آماری، شبکه‌های عصبی انجام می‌دهند. این‌گونه روش‌ها را می‌توان با بررسی پارامترهایی از قبیل سرعت، کارایی، نیازمندی‌های حافظه‌ای، امکان پیاده‌سازی برروی سیستم‌های دیجیتال و در الگوریتم‌های یادگیری عمیق ارزیابی کرد. فرآيند قطعه بندي در سه مرحله مجزاي تقسيم متن به خطوط و تقسيم خطوط به كلمات و جداسازي كلمات به حروف مستقل انجام مي گيرد. نوآوري کار در زمينه جداسازي كلمات به حروف مستقل با استفاده از ترکیب شبکه عصبی و روش پويش خط زمينه انجام شده است.

تاريخ دفاع : 97-06-21