Bilgisayar Mühendisliği Bölümü

YAPAY SİNİR AĞI İMPLEMENTASYONU VE EL YAZISI KARAKTERLERİN TANINMASI

BIL 496Proje Sunumu

Büşra Erkan

Proje Danışmanı: Yrd. Doç. Dr. Burcu YılmazOcak 2017

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 2

• Projenin Şeması ve Tanımı• UML Diyagramı• Yapay Sinir Ağları Nedir?• Yapay Sinir Ağı Tasarımı• Ağın Eğitilmesi• Deneyler• SVM – YSA Karşılaştırması• Başarı Kriterleri• Sonuçlar• Kaynaklar

İçerik

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 3

Proje Tanımı ve Şeması

• Yapay sinir ağı implementasyonun yapılması

• Beyaz bir düzlem üzerine yazılan karakterin tanınması

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 4

UML DiyagramıKullanım Durum Diyagramı

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 5

Yapay Sinir Ağları• Beynin bir işlevi yerine getirme yöntemini modellemek

için tasarlanan bir sistem Genelleme Uyarlanabilme Hata toleransı

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 6

Yapay Sinir Ağı Tasarımı

• İleri beslemeli sinir ağı• İleri ve tek yönlü bilgi akışı• Giriş katmanından gizli katmanlara• Gizli katmanlardan çıkış katmanına

Girdiler

Çıktılar

Ağırlıklar

Aktivasyon Fonksiyonu

Toplama Fonksiyonu

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 7

Ağın Eğitilmesi• Geri yayılım algoritması

• Probleme en uygun ağırlık değerlerinin bulunması

• Hesaplanan hatanın giriş nöronlarına dağıtılması ile

ağırlıkların güncellenmesi

•  Delta Kuralı; Sistemin hata miktarının belirlenmesi

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 8

Ağın Eğitilmesi• Görüntülerin eğitim ve testte kullanılacak

formata dönüştürülmesi

Kullanıcıdan alınan giriş Ağa gönderilen giriş

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 9

Deneyler

Başarılı sonuç örnekleri

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 10

Deneyler

Başarısız sonuç örneği

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 11

SVM – YSA Karşılaştırması• K katlı çapraz doğrulama yöntemi ile elde

edilen sonuçlara göre başarı oranları:– HOG tabanlı SVM

%94.77

– Yapay Sinir Ağı

%78.49

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 12

Başarı Kriterleri

• Karakterin tanınma süresi 1 saniyeden az olmalıdır.

• Karakterin tanınma başarısı en az %75 olmalıdır.

• En az 300x300 piksellik bir alan üzerine yazılmış tüm karakterler için çalışmalıdır.

• Test için uygun arayüz yapılmalıdır.

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 13

Sonuç

• 1 saniyeden kısa sürede tanıma• Karakterin tanınmasında %78.49 başarı

oranı• En az 300x300 piksellik bir alan üzerine

yazılmış tüm karakterler için çalışma

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 14

Kaynaklar

[1] Patil, Vijay, and Sanjay Shimpi. "Handwritten English character recognition using neural network." Elixir Comp. Sci. & Engg 41 (2011): 5587-5591. [2] Jain, Anil K., Jianchang Mao, and K. Moidin Mohiuddin. "Artificial neural networks: A tutorial." IEEE computer 29.3 (1996): 31-44. [3] Pradeep, J., E. Srinivasan, and S. Himavathi. "Diagonal based feature extraction for handwritten character recognition system using neural network." Electronics Computer Technology (ICECT), 2011 3rd International Conference on. Vol. 4. IEEE, 2011. [4] Chen, Xiangrong, and Alan L. Yuille. "Detecting and reading text in natural scenes." Computer Vision and Pattern Recognition, 2004. CVPR 2004. Proceedings of the 2004 IEEE Computer Society Conference on. Vol. 2. IEEE, 2004. [5] Ergezer, Halit, Mehmet Dikmen, and Erkan Özdemir. "Yapay sinir ağları ve tanıma sistemleri." PiVOLKA 2.6 (2003): 14-17. [6] Patil, V. V., Rajharsh Vishnu Sanap, and Rohini Babanrao Kharate. "Optical character recognition using artificial neural network." Int. J. Eng. Res. General Sci 3.1 (2015).

GTÜ - Bilgisayar Mühendisliği Bölümü BİL 495/496 Bitirme Projesi 15

Kaynaklar[7] Aydın, Musa, and Enes Çelik. "Yapay Sinir Ağları ile Assamese Karakter Tanıma." Signal Processing and Communications Applications Conference, 2013. [8] ERDEM, O. Ayhan, and U. Z. U. N. Emre. "YAPAY SİNİR AĞLARI İLE TÜRKÇE TIMES NEW ROMAN, ARIAL VE ELYAZISI KARAKTERLERİ TANIMA." Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi 20.1 (2005). [9] Sharma, Ankit, and Dipti R. Chaudhary. "Character recognition using neural network." International Journal of Engineering Trends and Technology (IJETT)-Volume4 (2013): 662-667. [10] Arnold, Rókus, and Póth Miklós. "Character recognition using neural networks." Computational Intelligence and Informatics (CINTI), 2010 11th International Symposium on. IEEE, 2010. [11] Prasad, Kauleshwar, and Shubham Agrawal. "CHARACTER RECOGNITION USING NEURAL NETWORK." Int. J. Adv. Engg. Res. Studies/IV/II/Jan.-March 90 (2015): 92. [12] Patil, Vijay, and Sanjay Shimpi. "Handwritten English character recognition using neural network." Elixir Comp. Sci. & Engg 41 (2011): 5587-5591.