Тип работы:
Предмет:
Язык работы:


Разработка алгоритма распознавания текста на изображении при помощи сверточной нейронной сети

Работа №116189

Тип работы

Бакалаврская работа

Предмет

программирование

Объем работы45
Год сдачи2020
Стоимость4600 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
58
Не подходит работа?

Узнай цену на написание


Аннотация 2
ВВЕДЕНИЕ 6
Глава 1 РАЗНОВИДНОСТИ НЕЙРОННЫХ СЕТЕЙ И ИХ ПРИМЕНЕНИЕ 8
1.1 Биологическое понятие нейрона и искусственные нейронные сети 8
1.2 Виды нейронных сетей и их применение 11
Глава 2 ПРОЕКТИРОВАНИЕ АЛГОРИТМА РАСПОЗНАВАНИЯ ТЕКСТА НА ИЗОБРАЖЕНИИ 16
2.1 Описание работы алгоритма распознавания 16
2.2 Выбор средств для реализации программы 20
2.3 Реализации программы 23
Глава 3 ТЕСТИРОВАНИЕ РАЗРАБОТАННОГО АЛГОРИТМА 29
3.1 Тестирование разработанного алгоритма с использованием различных изображений 29
3.2 Подведение итогов тестирования разработанного алгоритма 37
ЗАКЛЮЧЕНИЕ 42
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 43
Приложение А Код программы 45

В современном мире все чаще встречается необходимость автоматического распознавания текста с фотографий, картинок или видео. Будь то перевод рукописного текста на другой язык или же просто быстрая оцифровка информации с бумажных носителей - так или иначе, данная возможность значительно облегчает жизнь человека.
Реализовать алгоритм распознавания текста возможно с помощью искусственных нейронных сетей. Нейронная сеть — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей. По сути, в конечном итоге мы получаем продукт, имитирующий человеческое мышление.
Актуальность данной работы состоит в разработке нового алгоритма распознавания текстов, который исправит несовершенства существующих систем, а также сократит объем используемых ресурсов и затраченного времени.
Новизна бакалаврской работы состоит в разработке нового алгоритма распознавания текста на изображении.
Практическая ценность бакалаврской работы заключается в необходимости совершенствования методов распознавания текста, в уменьшении количества затрачиваемых на это ресурсов. Возможность автоматизировать огромное количество ручного монотонного труда несет немалую практическую ценность.
Объектом исследования является процесс функционирования алгоритмов распознавания текстов на изображении.
Предметом исследования является алгоритм распознавания текстов на изображении.
Цель исследования заключается в разработке нового алгоритма распознавания текстов на изображении.
Для достижения цели поставлены следующие задачи:
• Изучить существующие нейронные сети.
• Разработать алгоритм распознавания текста на изображении.
• Выбрать нейронную сеть для создание модели и изучить ее строение.
• Реализовать выбранную нейронную сеть.
• Обучить выбранную нейронную сеть.
• Преобразовать входные данные для подачи их в модель нейронной сети.
• Протестировать алгоритм на примерах реальных текстовых изображений.
Бакалаврская работа состоит из введения, трех глав, заключения и списка используемой литературы.
В первой главе рассматривается биологическое понятие нейрона, принципы организации искусственных нейронных сетей, виды известных искусственных нейронных сетей и применение каждого из них в современном мире.
Во второй главе рассмотрены общие принципы организации алгоритмов распознавания текстов на изображении, осуществлен и обоснован выбор средств для реализации алгоритма и описана непосредственно его разработка.
В третьей главе осуществлено тестирование разработанного алгоритма, подведены итоги его эффективности и продуктивности.
В заключении подводятся общие итоги исследования, формируются и описываются выводы и результаты проделанной работы.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


Выпускная квалификационная работа посвящена разработке алгоритма распознавания текста на изображении при помощи сверточной нейронной сети. В результате ее выполнения был спроектирован, реализован и протестирован алгоритм, позволяющий распознать на изображении буквы слова и перевести распознанные на изображении буквы в печатный текст.
Во время выполнения данной работы были успешно завершены следующие задачи:
• Изучены виды нейронных сетей и их применение.
• Изучены строение свёрточной нейронной сети и алгоритм свертки
• Реализована свёрточная нейронная сеть с использованием библиотек машинного обучения Tensorflow и Keras.
• Свёрточная нейронная сеть была обучена с использованием датасета рукописных английских букв и цифр EMNIST.
• Были реализованы функции преобразования исходного изображения для нахождения контуров символов с использованием библиотеки OpenCV.
Для тестирования работоспособности алгоритма на вход системы подавались изображения, имеющие различные особенности, такие как: наименование символов английского алфавита, цвет символов, яркость цвета символов, размер символов, цвет фона изображения. По окончанию тестирования были построены таблицы и графики, показывающие эффективность алгоритма.
По результатам тестирования полученной программы были выявлены ее недостатки, а также предложены варианты ее улучшения.


1. Аггавал Чару. Нейронные сети и глубокое обучение. - Висьямс, 2020 - ISBN: - 978-5-907203-01-3
2. Антонова П. Введение в искусственный интеллект: Теоретические основы СИИ. - LAMBERT Academic Publishing, 2019 - ISBN: 978-6200279170
3. Головко В.А. От многослойных персептронов к нейронным сетям глубокого доверия: парадигмы обучения и применение // XVII Всероссийская научно-техническая конференция с международным участием, 2015
4. Документация по Python [Электронный ресурс] / URL: https://www.python.org/doc/ (дата обращения 10.02.20)
5. Классификация и типы нейронных сетей [Электронный ресурс] Режим доступа: http://datascientist.one/class-type-nn/ (дата обращения: 12.02.20)
6. Машинное обучение на практике с Python и Keras [Электронный ресурс]. - Режим доступа: https://pythonru.com/primery/mashinnoe-obuchenie- na-praktike-s-python-i-keras (дата обращения 10.02.20)
7. Нейроны головного мозга - строение, классификация и проводящие пути [Электронный ресурс]. - Режим доступа: https://sortmozg.com/structure/nejrony-golovnogo-mozga (дата обращения 28.02.20)
8. Николенко С. И., Кадурин А. А., Архангельская Е. О. Глубокое обучение. Погружение в мир нейронных сетей / Питер, 2020
9. Себастьян Рашка «Python и машинное обучение: машинное и глубокое обучение с использованием python, scikit-learn и tensorflow». - Москва, 2019 - ISBN: 978-5-907114-52-4
10. Тарик Рашид «Создаем нейронную сеть». - Вильямс, 2017 - ISBN: 978-5-9909445-7-2.
11. Франсуа Шолле «Глубокое обучение на Python». - Питер, 2018 - ISBN: 978-5-4461-0770-4
12. Что такое свёрточная нейронная сеть [Электронный ресурс] Режим доступа: https://habr.com/ru/post/309508/ (дата обращения 15.05.20)
13. Harrold Ellis, Bari M Logan, Adrian K Dixon. David j Bowden. HUMAN SECTIONAL ANATOMY. Atlas of body sections, CT and MRI images. FOURTH EDITION // CRC Press, 2015 - ISBN: 978-1-4987-0361-1
14. Keras Documentation [Электронный ресурс]. - Режим доступа: https://keras.io/api/ (дата обращения: 15.02.20)
15. Mohammad Abdur Razzaque PhD, Md. Rezaul Karim. Hands-On Deep Learning for IoT: Train neural network models to develop intelligent IoT applications // Packt Publishing, 2019
...


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ