Derin öğrenme tabanlı çevirimdışı etkileşimsiz el yazılı karakter tanıma sistemleri ile çok dilli el yazısı karakter veri seti

Yıllardır süregelen araştırmalara rağmen çevirimdışı (etkileşimsiz) el yazısı tanıma hala çözümlenememiş bir araşırma problemidir. Derin öğrenme konusundaki gelişmeler görüntü işleme konusunda çevirimdışı el yazısı tanımadayı da kapsayacak şekilde büyük gelişmeler sağlamıştır. Derin öğrenme yaklaşımları, kabiliyetlerini tam anlamı ile sergileyebilmek için büyük bir veri setine ihityaç duyarlar. Özellikle bazı dillerde yazılmış, genel kullanıma açık elyazısı veri setleri sayıca fazla değildir. Bu eksiklikten yola çıkarak bu çalışmada Türkçe ve Macarca el yazısı karakterlerini de içeren genel kullanıma açık çok dilli bir el yazısı karakter veri seti oluşturulmuştur. Bu çalışmada, oluşturulan veri setinin yanısıra iki tane çevirimdışı elyazısı tanıma sistemi geliştirilmiştir. Birinci sistem ayrıştırma temelli bir sistem olup, yine bu çalışmada geliştirilen bir derin öğrenme mimarisi ile çalışmaktadır. Bu mimariye giriş setini olarak, çalışma için toplanan veri setindeki karakterler üzerinden Derin Evrişimli Çekişmeli Üretici Ağlar (Deep Convolutional Generative Adversarial Networks) kullanılarak sentetik veriler yaratılmıştır. Önerilen ikinci el yazısı tanıma sistemi ise bir nesne algılama algorıtması olarak yeni ortaya sürülen YOLOv5 algorıtması temelli ayrıştırmasız bir elyazısı tanıma sistemidir. Nesne algılama algoritmaları genelde büyük resimler üzerinde bulunan bir ya da birçok nesnenin yerini ve de sınıfını algılarlar. Çok dilli veri setindeki karakterleri de 416×416 piksel bir alana sistematik olarak yerleştirerek, YOLOv5 e uygun bir giriş oluşturulmuştur. Sonuçlara bakıldığında ayrıştırma temelli sistem, tek dilde ayrık yazılmış el yazısı tanımada ideal sonuçlar vermektedir. Fakat, nesne tanıma tabanlı sistemi, hem tek dilli hem de çok dilli yazı tanımada, el yazısı ve ayrık yazılmış metinlerde ayrıştıma temelli yaklaşımdan daha iyi sonuçlar vermektedir.