قیمت 35,000 تومان 25,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
35,000 تومان 25,000 تومان
ویژگی های دوره
place
نوع دوره: غیر حضوری
traffic
پیش نیاز: پایتون
language
زبان: فارسی
access_time
ویدئویی(کیفیت HD)
playlist_add_check
ناشر : بیگ لرن
storage
205 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت

تشخیص و شناسایی متن در تصویر ؟

با همگانی تر شدن وسائل دیجیتال و چند رسانه ای ، سیستم های بازیابی فیلم و تصویر بسیار ارزشمند شده اند. در سیستم های بازیابی تصویر، متن ، نقش بسزایی را ایفا می کند، زیرا شامل اطلاعات مهم و فراوانی می باشد.نخستین گام در تشخیص متن از تصاویر گوناگون ، تشخیص محل استقرار و سپس استخراج چهارچوبی از تصویر است که شامل متن باشد. امروزه به دلیل گسترش چشم‌گیر تکنولوژی و در نتیجه دوربین های عکاسی، عکس‌هایی با کیفیت‌های متنوع موجودند که حجم زیادی از داده‌های تصویری را به وجود آورده‌اند.موفقیت بزرگ تلفن‌های هوشمند و خواسته‌های بزرگ در جستجو و درک تصویر مبتنی بر محتوا، تشخیص متن را یک وظیفه حیاتی در تعامل کامپیوتری انسان ساخته‌است. بنابراین استفاده از این تصاویر و پردازش آن‌ها می تواند به ما اطلاعات مفیدی در موارد مختلف بدهد. به همین دلیل پردازش تصاویر در حال حاضر بسیار مفید بوده و توجه بسیاری را به خود جلب کرده‌است. یک نوع از این پردازش‌ها، استخراج متن از تصویر است که برای آن لازم است ابتدا متن موجود در تصاویر تشخیص داده‌شده و سپس تبدیل به نوشتار صورت بگیرد. در شناسایی و تشخیص متن در تصاویر طبیعی درصورتی‌که متن‌ها وضوح خوبی داشته باشند و یا دارای پس‌زمینه‌های ساده باشند می‌توانند با نرخ تشخیص بالایی از تصاویر طبیعی شناسایی و استخراج شود و در نرم‌افزارهایOCR به‌آسانی مورداستفاده قرار گیرند. اما مشکل اصلی اینجاست که تصاویر گرفته‌شده از متن درصحنه طبیعی می‌تواند معایب و مشکلاتی همچون کاهش وضوح تصویر، مناسب نبودن میدان دید، تخریب در اثر سایه و روشن‌ها، تخریب در اثر خرابی لنز، مناسب نبودن زاویه دید دوربین و غیره را داشته باشد که در این صورت شناسایی و استخراج متن از تصاویر طبیعی برای در اختیار قرار دادن به یک OCR مشکل می‌شود و به‌آسانی برای آن قابل‌استفاده نیست.

از جمله مشکلات و پیچیدگی های استخراج متن از این تصاویر، عبارت است از :

پیچیدگی پس زمینه تصویر

سطوح غیر هم‌سطح

جهات متن

روشنایی غیریکنواخت

کیفیت کم

مشخص نبودن مرز متن و پس‌زمینه

تنوع در رسم‌الخط‌

نرم افزارهای پردازش متن برای تشخیص و بازیابی الفبا توسط کامپیوتر طراحی می شوند. برای ساخت و توسعه چنین نرم افزارهایی نیازمند تحقیقات در زمینه های سیستم های بیومتریک، پردازش تصویر، سامانه های هوشمند که بر گرفته از (سیستمهای خبره، الگوریتم ژنتیک و منطق فازی) می باشیم. OCR به تكنيكي اطلاق مي شود كه طي آن يك برنامه كامپيوتري متون موجود درتصاوير ديجيتالي را شناسايي كرده و آن‌ها را به صورت خودكار به فايل‌هاي متني قابل ويرايش و جست‌وجو تبديل مي كند. OCR زبان‎های فارسی و عربی نسبت به زبان انگلیسی پیچیدگی بیشتری دارد. تعداد حروف الفبای بیشتر، پیوسته بودن حروف هنگام نوشتن، نقطه دار بودن حروف و تغییر فرم نوشتاری حروف در ابتدا، وسط یا انتهای کلمات از جمله مهم‏ترین این موارد است. از دیگر چالش‌های OCR فارسی، در دسترس نبودن مجموعه‌ی داده‌ی استاندارد برای حل مساله است. در میان اطلاعات مختلفی که در تصویر موجود است، اطلاعات متنی از اهمیت ویژ ه ای برخوردار است، چراکه به آسانی از سوی انسان یا حتی رایانه قابل فهم بوده و امکان توصیف محتوای یک تصویر را فراهم می کند. علاوه بر این، از داده های استخراج شده براساس تحلیل اطلاعات متنی موجود در تصاویر می توان کاربردهای متنوعی نام برد که به انسان در تعامل با طبیعت و صنعت کمک می کند.یک سیستم OCR از بخشهای متعددی تشکیل شده است. ابتدا باید تصویر ورودی آنالیز شده و اگر متن آن دارای چرخش است، اصلاح شود. پس از اصلاح چرخش باید موقعیت بلوکهای متنی، شکل و جدول در تصویر سند مشخص شود. پس از تعیین موقعیت بلوکهای مختلف (ناحیه بندی یا آنالیز ساختار سند)،باید بلوکهای متنی بازشناسی شوند؛ یعنی خطوط متنی یافت شده و سپس موقعیت کلمات مشخص شود و در مرحله بعد، موقعیت حروف در کلمه مشخص شود، در نهایت تک تک حروف باید شناخته شده و با یکدیگر ترکیب شوند تا کلمه‌ی معادل آنها مشخص شود. این کل فرایند تشخیص خودکار متن بود که به صورت بسیار ساده بیان شد.

تشخیص و شناسایی متن با یادگیری عمیق ؟

تشخیص متن در تصاویر یکی از زمینه‌های تحقیقاتی مهم در حوزه‌ی بینایی کامپیوتر است. منظور از تشخیص متن، تشخیص متون متعلق به یک رده‌ی خاص (مانند بطری، انسان یا هواپیما) در تصویر می باشد. هدف طراحی سیستمی است که قادر باشد با دریافت نمونه‌های آموزشی (ویا مدلی) متون را در تصاویر جدید تشخیص دهد. از مهمترین مزایایی که الگوریتم‌های یادگیری عمیق به ارمغان می‌آورند می‌توان به دقت تشخیص قابل‌قیاس و حتی بهتر از انسان، قابلیت ضد مداخله و قابلیت تشخیص، استخراج و کلاس‌بندی هزاران مشخصه از متون اشاره کرد. با بهره‌گیری از تکنولوژی یادگیری عمیق (Deep Learning)، میانگین دقت تشخیص متن در دوربین های مدار بسته به‌طور چشم‌گیری تا 38% افزایش پیدا می‌کند. الگوریتم Deep Learning یا یادگیری عمیق می‌تواند دقت تشخیص متن را بهبود دهد. این موضوع باعث کارایی بیشتر سیستم امنیتی و نظارت تصویری محیط از جمله کیفیت تصویر واضح و عریض می‌شود. یادگیری عمیق به شما کمک میکند تا عمل استخراج ویژگی ها را با کمترین/بدون تداخل دست، خود کامپیوتر انجام دهد. حال استخراج ویژگی ها به چه معناست؟ استخراج ویژگی فرایندی است که در آن با انجام عملیاتی بر روی داده‌ها، ویژگی‌های بارز و تعیین‌کنندهٔ آن مشخص می‌شود. هدف استخراج ویژگی این است که داده‌های خام به شکل قابل استفاده‌تری برای پردازش‌های آماری بعدی درآیند. هر چه تعداد ویژگی های استخراج شده که شامل ویژگی های دشوار برای توصیف اند بیشتر باشد، فرآیند تشخیص دقیقتر میشود. به همین دلیل است که موتورهای تشخیص چهره بیشتر از قبل در حال بکارگیری یادگیری عمیق برای بهبود دقت سیستم ها هستند.

هدف از این پروژه عملی ؟

هدف از این پروژه عملی تشخیص و شناسایی متن در تصویر با یادگیری عمیق است.این پروژه توانا تشخیص و شناسایی متن در تصویر با یادگیری عمیق از یک عکس دیجیتالی یا ویدئو می‌باشد. سیستم تشخیص متن، سیستمی است که بر اساس تکنولوژی هوش مصنوعی و الگوریتم‌های یادگیری عمیق (Deep Learning) قادر به شناسایی چهره افراد با دقت بالا می‌باشد. در بازشناخت تصویر یک چهره، تصویر ورودی با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسایی قرار می‌گیرد. این پروژه تشخیص اشیا با استفاده از الگوریتم های شبکه عصبی و تکنیک های Deep Learning به سرعت عملیات یادگیری را انجام داده و پس از آن به راحتی و با سرعت بالا تشخیص متن مورد نظر را انجام می­دهد.هدف از این پروژه عملی تتشخیص و شناسایی متن در تصویر با یادگیری عمیق در پایتون می باشد. در این پروژه با فیلم آموزشی کامل روند تشخیص متن در تصویر و ویدئو انجام می شود و مجموعه های داده ای معرفی می شوند و عملیات تست شبکه انجام می شود. خروجی های حاصل از تشخیص متن در تصویر و ویدئو روی هر یک از شبکه ها نشان داده می شود. بدون شک یکی از بهترین پروژههای عمیق برای تشخیص و شناسایی متن در تصویر و ویدئو می باشد که با زبان ساده و روان فارسی توضیح داده شده است

موارد موجود در این دوره آموزشی ؟

معرفی سیستم تشخیص و شناسایی متن در تصویر ویدئو

خصوصی

معرفی کامل الگوریتم قدرتمند EAST برای تشخیص متن درتصویر و ویدئو ویدئو

خصوصی

معرفی کامل الگوریتم LSTM برای شناسایی متن در تصویر و ویدئو ویدئو

خصوصی

معرفی کامل شبکه عمیق برای تشخیص و شناسایی متن در تصویر و ویدئو ویدئو

خصوصی

آموزش استخراج ویژگی های مهم برای تشخیص و شناسایی متن در تصویر ویدئو

خصوصی

استخراج ویژگی های تشخیص اشیا با شبکه عمیق CNN ویدئو

خصوصی

تشخیص و شناسایی متن در تصویر با شبکه های CNN , RNN ویدئو

خصوصی

معرفی ساختار و وزن های شبکه ویدئو

خصوصی

تنظمیم پارامترهای شبکه عمیق ویدئو

خصوصی

نرمالسازی و تغییر اندازه داده ها ویدئو

خصوصی

پیاده سازی شبکه عمیق برای تشخیص و شناسایی متن در تصویر ویدئو

خصوصی

پیاده سازی شبکه عمیق برای تشخیص و شناسایی متن در ویدئو ویدئو

خصوصی

تست شبکه عمیق روی انواع داده ها ویدئو

خصوصی

چاپ متن موجود در تصویر در خروجی ویدئو

خصوصی

تشخیص همه متون در تصاویر و ویدئو ویدئو

خصوصی

تشریح کامل کدها ویدئو

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

آموزش یادگیری ماشین پیشرفته

در این آموزش مباحث پیشرفته و کاربردی یادگیری ماشین براساس جدیترین مقالات در قالب فیلم اموزش کامل اماده شده است.…

رایگان!

انتخاب ویژگی با یادگیری عمیق

انتخاب ویژگی با یادگیری عمیق این دوره در حال اماده سازی در صورتی که تمایل به اگاهی از آن دارید،…

رایگان!

رنگی سازی تصویر و فیلم با یادگیری عمیق

رنگی سازی تصاویر و فیلم ها ؟ پیش از ورود عکاسی به دنیای رنگ‌ها، تصاویر گرفته‌شده تنها در رنگ‌های سیاه…
38,000 تومان 25,000 تومان

بازسازی و رفع نویز تصاویر با یادگیری عمیق

حذف نویز از تصاویر ؟ کاهش نویز یک فرآیند حذف نویز از سینگال است‌.این سیگنال می‌تواند مربوط به یک تصویر،…
34,000 تومان 25,000 تومان

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *