sushant097/Handwritten-Line-Text-Recognition-using-Deep-Learning-with-Tensorflow
این پروژه از یک شبکه عصبی کانولوشنی بازگشتی (CRNN) برای تشخیص متن دستنویس در سطح خط استفاده میکند، بدون اینکه نیاز باشد متن ابتدا به کلمات یا حروف تقسیمبندی شود.
از تابع زیان CTC (Connectionist Temporal Classification) برای آموزش مدل استفاده شده که امکان یادگیری بدون نیاز به همترازی دقیق بین ورودی و خروجی را فراهم میکند.
کاربرد:
این مدل برای تبدیل تصاویر خطوط دستنویس به متن قابل ویرایش و جستوجو مناسب است، مثلاً در اتوماسیون اداری، دیجیتالسازی اسناد قدیمی یا کمک به افراد با ناتوانی بینایی.
در چه شرایطی بهتره استفاده شود؟
- وقتی دادههای دستنویس شامل خطوط کامل هستند و نه کلمات جداگانه.
- زمانی که نمیخواهید مراحل پیشپردازش پیچیده مثل برش کلمات را انجام دهید.
- برای زبانهایی که کلمات به هم متصل هستند یا تشخیص مرز کلمات دشوار است. ️
چند مثال از موارد استفاده:
- تبدیل دفترچههای دانشآموزی دستنویس به متن دیجیتال
- خواندن فرمهای پزشکی تکمیل شده به صورت دستی
- دیجیتالسازی خوشههای خطی از اسناد تاریخی ️
- ##HandwrittenTextRecognition
- ##DeepLearning
- ##CRNN
- ##CTCLoss
- ##TensorFlow
- ##OCR
- ##TextRecognition
- ##MachineLearning
- ##AI
- ##DocumentDigitization