ПРИЛОЖЕНИЕ ДЛЯ РАСПОЗНАВАНИЯ РУССКОЯЗЫЧНОГО ТЕКСТА С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ

Соловьева Е.В., Тушев А.Н.

72 просмотров

Соловьева Е.В., Тушев А.Н.

ПРИЛОЖЕНИЕ ДЛЯ РАСПОЗНАВАНИЯ РУССКОЯЗЫЧНОГО ТЕКСТА С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ *

Аннотация:
работа посвящена разработке приложения для распознавания русскоязычного рукописного текста сверточными нейронными сетями. Реализуемый алгоритм со свёрточной нейросетью обеспечит эффективное и оптимальное решение сложных задач компьютерного зрения за короткий интервал времени, а также высокий уровень точности транскрипции. Разработанное приложение позволяет преобразовать изображение русскоязычного рукописного текста в разборчивый и редактируемый текст на компьютере

Ключевые слова:
сверточные нейронные сети, оцифровка рукописного текста, межнейронные связи, нейросеть, количество эпох, стохастический градиентный спуск

УДК 004.855.5, 004.93'14

Соловьева Е.В.

Алтайский государственный технический университет

им. И.И. Ползунова

(г. Барнаул, Россия)

Тушев А.Н.

канд. тех. наук, доцент кафедры информатики,

вычислительной техники и информационной безопасности

Алтайский государственный технический университет

им. И.И. Ползунова

(г. Барнаул, Россия)

ПРИЛОЖЕНИЕ ДЛЯ РАСПОЗНАВАНИЯ РУССКОЯЗЫЧНОГО

ТЕКСТА С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ

Аннотация: работа посвящена разработке приложения для распознавания русскоязычного рукописного текста сверточными нейронными сетями. Реализуемый алгоритм со свёрточной нейросетью обеспечит эффективное и оптимальное решение сложных задач компьютерного зрения за короткий интервал времени, а также высокий уровень точности транскрипции. Разработанное приложение позволяет преобразовать изображение русскоязычного рукописного текста в разборчивый и редактируемый текст на компьютере.

Ключевые слова: сверточные нейронные сети, оцифровка рукописного текста, межнейронные связи, нейросеть, количество эпох, стохастический градиентный спуск.

Современное общение, обмен информацией происходит преимущественно в электронном формате – сообщения, электронные письма, мессенджеры. Большинство данных существует только в электронном виде.

Но также остаются и рукописные работы – конспекты, записи, заметки. Часто встаёт такая задача как перенести информацию с бумажного носителя.

Одним из возможных решений подобной задачи является нейронная сеть. Особенностью нейронной сети является то, что возможна параллельная обработка информации всеми звеньями. При большом количестве межнейронных связей это даёт возможность существенно ускорить процесс обработки информации. В случае, описанном выше – оцифровки рукописного текста [1].

Целью данной работы является создание программного обеспечения по распознаванию русскоязычного рукописного текста сверточными нейронными сетями.

Работа выполнялась в среде Visual Studio с использованием языка С++.

Алгоритм работы программного обеспечения.

Перед использованием программного обеспечения загружаются данные для обучения нейросети. Соответствующий пункт в меню интерфейса продемонстрирован на рисунке 1.

Рис. 1. Пункт меню для загрузки файла

Модель CoMNIST содержит в себе русскоязычный набор символов для обучения. После чтения файла необходимо обучить нейросеть. Соответствующий пункт в меню интерфейса продемонстрирован на рисунке 2 [2].

Рис. 2. Пункт меня для обучения нейросети

После выбора данного пункта откроется отдельная вкладка, в которой можно изменять параметры обучения. Содержимое вкладки и выбранные параметры показаны на рисунке 3.

Рис. 3. Вкладка для обучения с введенными параметрами

После запуска в режиме реального времени будет выводиться график изменения ошибки во время обучения. Также выводится информация о длительности обучения в секундах и количество эпох. На рисунке 4 продемонстрирован график спустя 365 секунд обучения.

Рис. 4. График изменения ошибки

После остановки проверяется правильность обучения. Выбирается соответствующая вкладка. Пример проверки правильности обучения продемонстрирован на рисунке 5.

Рис. 5. Проверка правильности обучения

В данном исследовании точность распознавания составила 87 процентов. Для модификации алгоритма и повышения точности в программе будет использоваться более двух сверточных слоёв, нейроны смещения, стохастический градиентный спуск, метод опорных векторов, а для ускорения процесса обучения вычисления будут производиться на графической карте. На рисунке 6 показано, как точность данных с корректировкой повышается до 94% [3, 4].

Рис. 6. Проверка правильности обучения

Результаты работы: в ходе работы достигнута поставленная цель, а именно, разработано приложение для распознавания русскоязычного текста сверточными нейронными сетями.

СПИСОК ЛИТЕРАТУРЫ:

Интеллектуальные системы : учебное пособие / А. М. Семенов, Н. А. Cоловьев, Е. Н. Чернопрудова, А. С. Цыганков. — Оренбург : Оренбургский государственный университет, ЭБС АСВ, 2013. — 236 c. — ISBN 2227-8397. — Текст : электронный // Электронно-библиотечная система IPR BOOKS : [сайт]. — URL: http://www.iprbookshop.ru/30055.html. — Режим доступа: для авторизир. Пользователей.
Простейшая нейронная сеть для распознавания рукописных цифр [Электронный ресурс]. URL: https://russianblogs.com/article/89501343006/ (Дата обращения 26.05.2023).
Asif A. Learning Neural Activations [Электронный ресурс] / A. Asif. URL: https://arxiv.org/abs/1912.12187 (Дата обращения05.2023).
ML | Stochastic Gradient Descent (SGD) [Электронный ресурс]. URL: https://www.geeksforgeeks.org/ml-stochastic-gradient-descent-sgd/ (Дата обращения04.2023).

Полная версия статьи PDF

Номер журнала Вестник науки №5 (62) том 4

Ссылка для цитирования:

Соловьева Е.В., Тушев А.Н. ПРИЛОЖЕНИЕ ДЛЯ РАСПОЗНАВАНИЯ РУССКОЯЗЫЧНОГО ТЕКСТА С ПОМОЩЬЮ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ // Вестник науки №5 (62) том 4. С. 834 - 839. 2023 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/8491 (дата обращения: 29.04.2024 г.)

Альтернативная ссылка латинскими символами: vestnik-nauki.com/article/8491

Нашли грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики) ?
- напишите письмо в редакцию журнала: zhurnal@vestnik-nauki.com

* В выпусках журнала могут упоминаться организации (Meta, Facebook, Instagram) в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25 июля 2002 года № 114-ФЗ 'О противодействии экстремистской деятельности' (далее - Федеральный закон 'О противодействии экстремистской деятельности'), или об организации, включенной в опубликованный единый федеральный список организаций, в том числе иностранных и международных организаций, признанных в соответствии с законодательством Российской Федерации террористическими, без указания на то, что соответствующее общественное объединение или иная организация ликвидированы или их деятельность запрещена.