کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تشخیص کلمات دست‌نویس فارسی با استفاده از شبکه‌ عصبی ترکیبی CNN-BiLSTM

نویسندگان :

نیلوفر جعفری¹ عباس رمضانی²

1- بوعلی سینا 2- بوعلی سینا

کلمات کلیدی :

تشخیص کلمات،دست نویس فارسی،دیتاست خیام،شبکه عصبی،تابع فعال سازی

چکیده :

تشخیص متن دست خط فارسی توسط ماشین به دلیل تنوع دست خطها و حروف یکی از مباحث چالشی در حوزه بینایی ماشین است . در این پژوهش، مدلی تشکیل شده از شبکه CNN (دو لایه) + BiLSTM بر روی دیتاست خیّام برای تشخیص کلی‌نگر کلمات دست‌نویس فارسی غیربرخط به‌کار گرفته شده است عملکرد مدل با توابع فعال‌ سازی مختلف بررسی شده تا بهترین ترکیب برای استخراج ویژگی‌ها و افزایش دقت نهایی مشخص شود. هدف از این بررسی، شناسایی تابعی بود که بیشترین تأثیر مثبت را بر توانایی مدل در تمایز و شناسایی صحیح کلمات دست‌نویس فارسی داشته باشد. بر این اساس توابع فعال‌سازی مختلف شاملELU، LeakyReLU، ReLU، Swish، Mish ،GELU بر اساس دقت در سطح کلمه و کاراکتر مقایسه شد. نتایج نشان داد که با وجود عملکرد نسبتاً نزدیک توابع، ELU کمترین دقت را داشت، در حالی که Mish، Swish، ReLU و GELU عملکرد مشابه و مناسبی از خود نشان دادند. این یافته‌ها می‌تواند پژوهشگران را در انتخاب توابع فعال‌سازی مناسب برای بهبود عملکرد مدل‌های یادگیری عمیق با اهداف مختلف در پردازش دست‌خط فارسی یاری کند.