KARAKTER TANIMA

eitli kaynaklardan bilgisayar ortamna

aktarlm karakterleri tanma ii grnt
ileme , pattern tanma ve yapay zeka
alanlarnda olduka ilgi ekmitir. Ancak bu
alanda uygulanan klasik metodlar u
sebeplerden dolay baarl olamamlardr :
 KARAKTER TANIMA

Ayn karakterler ekil , boyut ve yaz stili olarak kiiden

kiiye hatta ayn kiide dahi zamanla deimektedir.
Grsel karakterlerde grlt karklklara yol
amaktadr.
Grsel karakterlerin grnmlerini sk skya tarif
edebilecek kurallar yoktur bu sebeple sistem grsel
karakterleri ok sayda rnekten tahminleme yaparak
tanmaldr.
 nsan Grme Sistemi

nsan beyni grsel kalplardaki byk deiikliklere ve

hatalara uyum salyabilmektedir. Bu sayede baka
insanlarn yazlarn okuyup anlayabilmekteyiz.
nsan grme sistemi deneyimle renir bu sayede yeni
yazm ekillerini ksa zamanda kapabiliriz.
nsan grme sistemi deiik boydaki , renkteki ,ekildeki
,orandaki yazlar alglayabilmektedir.
Karakter Tanmada Yapay Sinir Alarnn Kullanlmas

Klasik bilgisayar yeteneklerindeki kstlamalardan dolay ,

Yapay Sinir Alar insan dnme yapsn taklit etme
amacyla 1950lerden itibaren kullanlmaya balandlar.
Yapay Sinir Alarnn kullanld balca alanlar hmanoid
bilgisayarclk ve pattern tanmadr.
Yapay sinir alarnn bu alanda kullanlamalarnn sebepleri
renebilmeleri ve deiikliklere uyum gsterebilmeleridir.
 Grsel Karakterlerin
Saysallatrlmas
Tannacak karakterler birden fazla alfabe veya fonta ait
olabilir.
Karakterler tek balarna veya grup halinde bulunabilirler.
Bu yzden ncelikle dkmann iindeki karakterler tek
tek ayrlr.
Karakter grntsnde bulunan grlt grntden
temizlenir.
Karakterlerin bu ekilde ilemden gemesi tannma iin
daha uygundur.
 Grsel Karakterlerin
Saysallatrlmas
Elde edilen karakter grnts binary hale rneklenir.
Elde edilen karakterin binary bilgisi bir matrisde saklanr.
Karakter iki renkli olabilir :
Karakterin beyaz ksmlar 0 ile siyah ksmlar ise 1 ile
temsil edilir.
Matris boyutu sabittir bylece karakter boyutlarndaki
deiimler tanma sistemi iin nemsiz hale gelir.
Grsel Karakterlerin
Saysallatrlmas
 RENME MEKANZMASI
Bir karakter sisteme tantlr ve bir harfe atanr.
Ayn karakterin deiik versiyonlar da ayn harfe atanr ve
bu ekilde sistemin deiik varyasyonlara adapte olmas
salanr.
alma sresince yapay sinir ana girdi yapan M matrisi
u ekilde tanmlanr :
 RENME MEKANZMASI
Sisteme retilecek her bir karakterin bir arlk matrisi
vardr.
renim sresince bu arlk matrisinin deeri u ekilde
gncellenir :
 RENME MEKANZMASI

Yukardaki 3 rnek S karakterinin sisteme tantlmas sonucu

Ws matrisi gncellenmitir.
 RENME MEKANZMASI
Ws matrisini incelersek u sonulara varabiliriz :
Pozitif deerlere sahip matris elemanlar farkl
grntlerde ska tekrar edilen pikselleri belirtir.
Negatif veya ufak deerlere sahip matris elemanlar ise
farkl grntlerde az rastlanan piksellere iaret eder.
 KARAKTER TANIMA SSTEM MMARS

Figr 4 : Karakter tanma mimarisinin gsterimi

PATTERN TANIMA LEM VERLER

Pattern tanma ilemi belirli veriler temel alnarak

yaplr .
Bunlar:

Aday iareti (Candidate Score)

Ideal Arlk-Model iareti
Tanma Blm(Recognition Quotient)
PATTERN TANIMA LEM VERLER

Aday iareti (Candidate Score) ( ):

Bu veri renilmi patternda Wk arlk matrisininden ve I girdi

patternndan retilir.
PATTERN TANIMA LEM VERLER

Ideal Arlk-Model iareti :

Bu veri bir renilmi patternin arlk matrisinin btn pozitif elementlerinin
toplanm verir
PATTERN TANIMA LEM VERLER

Tanma Blm (Recognition

Quotient)(Q):
Bu deer tanma sisteminin girdi pattern iin yaplan tehisinin ne
kadar iyi olduun belirten bir lm verir
PATTERNLARIN SINIFLANDIRILMASI

. Girdi patternlarnn snflandrlmasn u kk

admlar takip eder:
 PATTERNLARIN SINIFLANDIRILMASI

Bir aday pattern I da, her bir renilmi pattern k iin tanma blm
(Recognition quotient) (Q(k) y hesapla.

Hangi k deerinin en yksek deerde olduunu sapta.

Q(k)nn ok kk deereleri (0.5 gibi) zayf tanmlamay iaret eder. Byle bir
durumda:
Aday patternn bilgi tabannda ( knowledge base) olmad
sonucuna varlabilir
VEYA
Q(k)deeri tatmin edici bir deere ulaana kadar aday pattern
Aa (network) retilebilir .

Duruma bal olarak, aday patternn benzeyen renilmi pattern olarak tanmla,
veya , daha iyi bir performans iin renme ilemine devam et.
Karakter tanma rnei
PERFORMANS KONULARI

Karakter tanma ileminde yapay sinir a

kullanmann baz avantajlar:
 PERFORMANS KONULARI

Bu metod ok yksek derecede uyabilir zelliktedir; tanma ilemi ufak

hatalara ve patternlerdeki deiikliklere toleransldr.

Sistemin bilgi taban (knowledge base) sisteme yeni karakterler ya da eski

karakterlerin yeni deiik eitleri retilerek deitirilebilir.

Sistem ok genelletirilmitir. Sistemin boyut-grnm (size and aspect ratio )

oran sabittir.

Sistem karakterlerin kullanc tanmlarnn bakmnn yaplmas

vastasyla sistem kullancya zel olarak yaplabilir. Bu ekilde sistem
tanma ilemini kullancnn ynlendirmesine gre yapabilir.
 Girdi Matrisinin Ayarlanmas

Girdi matrisinde geniliin artmas:

daha yksek znrlk ve daha iyi tanma
Fakat
sistemin time- complexitysinin de artmasina neden
olur