Дослідження та оцінка ефективності методологій розпізнавання рукописних символів з використанням згорткових нейронних мереж

Анотація

У роботі проведено аналіз можливостей використання нейронних мереж глибокого навчання для реалізації інформаційних систем обробки текстів, обґрунтовано перспективність даної технології та можливості її удосконалення. Розглянуто можливість використання бази рукописних цифр MNIST, а також бази рукописних букв і цифр EMNIST, а саме набору EMNIST Letters. Проведено моделювання об’єкта дослідження в нотаціях IDEF0 та IDEF3 для варіанту «AS-IS». Виявлено, що найбільше питань викликають «Побудова набору даних для навчання моделі» та «Вибір архітектури згорткової нейронної мережі». Запропоновано заходи з реінжинірингу, а саме показано доцільність використання крім відомих наборів EMNIST та MNIST додатково створеного в рамках роботи набору рукописних і курсивних шрифтів, що мають українські гліфи. Для цього обрані сучасні ІТ-інструменти, такі як бібліотека Pillow, Image Data Generator та пакет Scikit-Learn використано для виділення навчальних та тестових вибірок. Також крім початково запропонованих найпростіших архітектур CNN типу Lenet запропоновано використання більш складних архітектур типів AlexNet та VGG-16. З урахуванням запропонованих заходів з реінжинірингу побудовано діаграми IDEF0 та IDEF3 для варіанту «TO-BE». У роботі докладно проаналізовано результати розпізнавання рукописних українських літер та арабських цифр з використанням 6 різних архітектур CNN з використанням для навчання синтетичного набору даних. Дослідження, представлені в роботі, проведено з використанням програмного додатоку, розробленого на мові програмування Python з використанням пакету Scikit Learn, що надає користувачеві можливість розпізнати рукописний текст за допомогою багатошарового персептрона, що проведено саме з використання розробленої програми. Обґрунтовано, що на противагу простим архітектурам типу Lenet доцільніше використовувати більш складні варіанти, а саме архітектуру типу VGG-16. Проведено експериментальні дослідження впливу кількості параметрів CNN різних архітектур на точність розпізнавання та час навчання нейронної мережі. Також проаналізовано результати розпізнавання символів при розпізнаванні зображень, що не належать до навчальної або тестової вибірки