Система распознавания рукописных текстов: дипломная работа / Чжан Хайнин; БГУ, Факультет прикладной математики и информатики, Кафедра информационных систем управления; науч. рук. Краснопрошин В. В.

Abstract

РЕФЕРАТ СРАВНИТЕЛЬНЫЙ АНАЛИЗ СИСТЕМ РАСПОЗНАВАНИЯ РУКОПИСНОГО ТЕКСТА НА ОСНОВЕ АРХИТЕКТУР FLOR И TENSORFLOW

Дипломная работа: 58 с., 41 рис., 6 табл., 6 источников.

Ключевые слова: РАСПОЗНАВАНИЕ РУКОПИСНОГО ТЕКСТА, ГЛУБОКОЕ ОБУЧЕНИЕ, АРХИТЕКТУРА FLOR, TENSORFLOW, CNN, BILSTM, CTC, ОБРАБОТКА ИЗОБРАЖЕНИЙ, МЕХАНИЗМ ВНИМАНИЯ, ОПТИМИЗАЦИЯ МОДЕЛИ. Объект исследования - системы распознавания рукописного текста на основе архитектур Flor и TensorFlow. Цель работы - проведение комплексного сравнительного анализа и оценки эффективности систем распознавания рукописного текста, реализованных на основе системы Flor и фреймворка TensorFlow. Методы исследования - сравнительный анализ, экспериментальное исследование, глубокое обучение, компьютерное зрение, конволюционные нейронные сети, рекуррентные нейронные сети, методы оптимизации моделей. Полученные результаты и их новизна: проведено систематическое сравнение двух архитектур распознавания рукописного текста. Архитектура Flor демонстрирует превосходную точность распознавания (CER <10%) и надежность благодаря инновационному многоуровневому конволюционному экстрактору признаков. Реализация на TensorFlow показывает значительные преимущества в эффективности развертывания и использовании ресурсов, достигая высокой производительности при меньших вычислительных затратах. Область применения: оцифровка документов, автоматизация обработки рукописных форм, интеллектуальное образование, системы документооборота, мобильные и встраиваемые системы распознавания текста. Практическая значимость: результаты сравнительного анализа предоставляют важные рекомендации для выбора и оптимизации архитектуры систем распознавания рукописного текста в различных практических сценариях применения.