Введение 4
1 Современные методы распознавания текста 6
1.1 Метод сопоставления с образцом 6
1.2 Статистический метод 8
2 Нейросетевой метод распознавания текста 10
2.1 Основные концепции нейронных сетей 10
2.1.1 Модели нейронов 10
2.1.2 Функции активации 11
2.2 Простейшие архитектуры нейронных сетей 13
2.3 Процесс обучения нейронных сетей 16
2.3.1 Обучение с учителем 16
2.3.2 Алгоритмы оптимизации 17
2.3.3 Классический стохастический градиентный спуск 17
2.3.4 Модификации классического стохастического градиентного
спуска 19
2.4 Сверточные нейронные сети 21
2.4.1 Архитектура сверточных нейронных сетей 21
2.4.2 Преимущества сверточных нейронных сетей в распознавании
изображений 23
2.5 Реализация нейронных сетей с помощью библиотеки
TensorFlow 24
3 Описание архитектуры и возможностей разработанной
программы 26
3.1 Возможности разработанной программы 26
3.2 Используемые данные 28
3.3 Модуль preprocess 29
3.4 Модуль neural_network 30
3.5 Модуль text_recognition 31
3.6 Графический интерфейс программы 33
4 Тестирование разработанной программы 35
Заключение 42
СПИСОК ЛИТЕРАТУРЫ 44

Купить

Сфера информационной безопасности тесно связана с таким трендом в мире информационных технологий, как искусственный интеллект или машинное обучение. Алгоритмы машинного обучения используются для решения различных задач информационной безопасности: биометрическая идентификация личности, распознавание изображений, анализ трафика сети, борьба с вредоносным ПО и т.д.
В настоящее время биометрические методы идентификации личности становятся все более и более актуальной технологией. Их растущая популярность обусловлена рядом преимуществ по сравнению с обычными способами идентификации. Преимущество биометрических систем идентификации, по сравнению с традиционными подходами, заключается в том, что идентифицируется не внешний предмет, принадлежащий человеку, а собственно, сам человек. Наиболее популярным способом решения задач идентификации личности является использование систем искусственного интеллекта.
Существуют различные концепции создания искусственного интеллекта, однако на самом базовом уровне их можно поделить на две основных. Первая концепция отличается тем, что при создании систем искусственного интеллекта целью является копирование человеческого мышления - семиотический подход. Вторая концепция строится на принципе биологических нейронных сетей, которые моделируют интеллектуальную деятельность - биологический подход.
На сегодняшний день наиболее популярным является биологический подход, в нем уже достигнуты большие успехи. Данный подход так же называют машинное обучение (Machine Learning) и глубинное машинное обучение (Deep Learning). Системы искусственного интеллекта, созданные с помощью алгоритмов машинного обучения, способны решать три основных типа задач: задачи регрессии, классификации и кластеризации.
Задачи классификации по-другому называют задачами теории распознавания образов. Распознавание образов — это отнесение исходных данных к определенному классу с помощью выделения существенных признаков, характеризующих эти данные, из общей массы несущественных данных.
Одной из задач распознавания образов является распознавание рукописного текста. В целом, распознавание текста широко применяется для оцифровки старинных книг, автоматизации проверки различных форм и бланков. Задача распознавания рукописного печатного текста является подводящей сразу для двух задач информационной безопасности: идентификации личности по почерку или росписи и распознавания текста в различных системах безопасности, таких как, например, распознавание номерных знаков автомобилей. Одним из наиболее эффективных инструментов для распознавания текста являются сверточные искусственные нейронные сети.
Цель работы: разработка программы распознавание рукописного текста, выполненного печатным шрифтом, на основе сверточных нейронных сетей и сравнение эффективности и быстродействия используемых алгоритмов.
Поставленная цель потребовала решения следующих задач:
1) изучить современные методы распознавания текста;
2) освоить инструменты разработки: среду разработки PyCharm для языка программирования Python, библиотеки для работы с изображениями (PIL, matplotlib), библиотеку для машинного обучения и нейронных сетей (TensorFlow);
3) разработать программу распознавания рукописного текста, выполненного печатным шрифтом;
4) исследовать возможности, быстродействие и эффективность разработанной программы;
5) сравнить эффективность и быстродействие используемых алгоритмов.

Купить