شناسایی نویسه های دست نویس فارسی با بهره گیری از یک مدل ترکیبی عمیق مبتنی بر معماری های ResNet و EfficientNet

بازشناسی نوری نویسه برای زبان فارسی به دلیل پیچیدگی های ساختاری خط، همواره یکی از حوزه های چالش برانگیز در هوش مصنوعی بوده است. در سال های اخیر، مدل های یادگیری عمیق ، به ویژه شبکه های عصبی کانولوشنی ، پیشرفت های چشمگیری در این زمینه داشته اند. این پژوهش، یک سامانه جامع برای تشخیص حروف دست نویس فارسی با استفاده از یک معماری ترکیبی و مدرن یادگیری عمیق ارائه می دهد. در این راستا، یک مجموعه داده بزرگ شامل ۱۲۴ هزار تصویر از ۱۲۰ کلاس مختلف حروف فارسی، با ترکیب دو مجموعه داده استاندارد ایجاد گردید. سپس، تصاویر با استفاده از یک الگوریتم پیش پردازش سفارشی ، نرمال سازی شدند. ما در این پژوهش، یک معماری ترکیبی را بر پایه دو شبکه شناخته شده EfficientNet و ResNet-۳۴ و با استفاده از تکنیک یادگیری انتقال بنا کرده ایم. برای افزایش مقاومت مدل در برابر بیش برازش ، از تکنیک هایی همچون افزایش داده و توقف زودهنگام استفاده شد. نتایج ارزیابی نشان می دهد که مدل پیشنهادی توانسته است به دقت بیشینه ۹۵.۰۶% بر روی داده های اعتبارسنجی دست یابد. این عملکرد بالا، کارایی بالای رویکردهای نوین یادگیری عمیق را در حل مسئله پیچیده بازشناسی حروف فارسی اثبات می کند.

کلیدواژه ها:

بازشناسی نوری نویسه ها ، یادگیری عمیق ، شبکه های عصبی کانولوشنی ، یادگیری انتقال ، معماری ترکیبی ، حروف فارسی.