![](/images/graphics-bg.png)
تنفيذ التعرف الضوئي على الحروف باستخدام الشبكة العصبية التلافيفية (CNN) : دراسة
Other Title(s)
Implementation of ocr using convolutional neural network (cnn) : a survey
Joint Authors
Undefined array key "AR_NAME"
Source
التربية و العلم : مجلة علمية للبحوث العلمية الأساسية
Issue
Vol. 31, Issue 3 (30 Sep. 2022), pp.27-41, 15 p.
Publisher
University of Mosul College of Education for Pure Science
Publication Date
2022-09-30
Country of Publication
Iraq
No. of Pages
15
Main Subjects
Pharmacy, Health & Medical Sciences
Medicine
Abstract AR
في الآونة الأخيرة، جذب التعرف الضوئي على الاحرف والتعلم العميق انتباه العديد من الباحثين، إذ ان المنافسة قائمة للحصول على اعلى دقة، ناهيك عن التحديات الحاصلة في بعض اللغات لتقارب وتشابه الاحرف فيما بينها.
عادة ما يأخذ التعرف الضوئي على الأحرف (OCR) صورة الاحرف كمدخلات وبالاعتماد على هذه الادخالات يقوم بتوليد الحروف المتطابق كإخراج.
الدور المهم الذي يقوم به OCR هو تحويل الأنماط المطبوعة إلى ملفات نصية رقمية.
عادة ما يتم استخدام أحدث الطرق الموجودة في الشبكات العصبية العميقة للتعامل مع مشاكل التعرف على الأنماط والتصنيف، وتعد الشبكة العصبية التلافيفية (CNN) نموذجا مؤثرا سخيا بنتائج ساطعة في التعرف الضوئي على الأحرف (OCR).
ومن التطبيقات التي تستخدمه في مجالاتها، على سبيل المثال، الروبوتات، ومراقبة حركة المرور، ورقمنه المقالات، وما إلى ذلك.
تم تصميم CNN لتتعلم الميزات بشكل تكيفي وتلقائي باستخدام أنواع عديدة من الطبقات.
في هذه الدراسة، نتعرف على مزايا الـ CNN واستخداماته الحديثة في التعرف الضوئي على الحروف ولماذا يكون من المهم استخدامها في هذا المجال.-
Abstract EN
Recently, character recognition and deep learning have caught the attention of many researchers.
Optical Character Recognition (OCR) usually takes an image of the character as input and generates the identical character as output.
The important role that OCR does is to transform printed materials into digital text files.
Convolutional Neural Network (CNN) is an influential model that is generous with bright results in optical character recognition (OCR).
The state-of-the-art performance which exists in deep neural networks is usually used to handle frequently recognition and classification problems.
Many applications are using it, for instance, robotics, traffic monitoring, articles digitization, etc.
CNN is designed to adaptively and automatically learn features by using many kinds of layers (convolution layers, pooling layers, and fully connected layers).
In this paper we will go through the advantages and recent usage of CNN in OCR and why it's important to use it in handwritten and printed text recognition and what subjects we can use this technique for.
Researchers are progressively using CNN for the machine-printed characters and recognition of handwritten, that is because CNN architectures are suitable for recognition tasks by inputting some images.
American Psychological Association (APA)
طه، دجان بشير. 2022. تنفيذ التعرف الضوئي على الحروف باستخدام الشبكة العصبية التلافيفية (CNN) : دراسة. التربية و العلم : مجلة علمية للبحوث العلمية الأساسية،مج. 31، ع. 3، ص ص. 27-41.
https://search.emarefa.net/detail/BIM-1490758
Modern Language Association (MLA)
طه، دجان بشير. تنفيذ التعرف الضوئي على الحروف باستخدام الشبكة العصبية التلافيفية (CNN) : دراسة. التربية و العلم : مجلة علمية للبحوث العلمية الأساسية مج. 31، ع. 3 (أيلول 2022)، ص ص. 27-41.
https://search.emarefa.net/detail/BIM-1490758
American Medical Association (AMA)
طه، دجان بشير. تنفيذ التعرف الضوئي على الحروف باستخدام الشبكة العصبية التلافيفية (CNN) : دراسة. التربية و العلم : مجلة علمية للبحوث العلمية الأساسية. 2022. مج. 31، ع. 3، ص ص. 27-41.
https://search.emarefa.net/detail/BIM-1490758
Data Type
Journal Articles
Language
Arabic
Notes
يتضمن مراجع ببلوجرافية : ص. 39-41
Record ID
BIM-1490758