Օբյեկտ

Վերնագիր: Research And Development Of Deep Learning Models For The Recognition Of Armenian Handwriting Letters

Ստեղծողը:

Nikoghosyan, Karen ; Hakobyan, Qajik

Տեսակ:

Հոդված

Հրապարակման մանրամասներ:

2006 թվականից համալսարանը հրատարակում է «Գիտական տեղեկագիր» հանդեսը, որը 2007թ. վերանվանվել է «Մեսրոպ Մաշտոց Համալսարանի լրատու» (գիտական հոդվածների ժողովածու): Այն լույս է տեսնում Մեսրոպ Մաշտոց Համալսարանի և Երևանի պետական համալսարանի գիտական խորհուրդների որոշմամբ և ՀՀ բարձրագույն որակավորման հանձնաժողովի կողմից ընդգրկվել է ատենախոսությունների հիմնական արդյունքների և դրույթների հրատարակման համար ընդունելի պարբերական գիտական հրատարակությունների ցանկում: Հոդվածներն տպագրվում են 3 լեզուներով (հայերեն, ռուսերեն, անգլերեն):

Ամսագրի կամ հրապարակման վերնագիր:

Մեսրոպ Մաշտոց Համալսարանի լրատու= Вестник Университета Месроп Маштоц= Mesrop Mashtots University Bulletin

Հրապարակման ամսաթիվ:

2022

Համար:

1 (27)

ISSN:

1829-4227

Պաշտոնական URL:


Լրացուցիչ տեղեկություն:

Никогосян Карен, Акопян Каджик, Նիկողոսյան Կարեն, Հակոբյան Քաջիկ

Այլ վերնագիր:

Исследование и разработка моделей глубокого обучения для распознавания армянских букв рукописного ввода

Աջակից(ներ):

Գլխ. խմբ.՝ Վարդանյան Արարատ Վլադիմիրի

Ծածկույթ:

275-284

Ամփոփում:

Nowadays, handwritten letter recognition (HLR) is a very interesting and challenging task. This task remains challenging because, there are many problems connected with handwriting, for example, every people have a different handwriting style, and it can be changed over time. In contrast to printed text, which sits straight, handwritten text can rotate to the right, or it can be broken, and so on. There are many approaches for solving that task, but the most popular and effective method is deep learning. The purpose of this article is to find the best Artificial Intelligence (AI) based solution for Armenian handwriting letters recognition. As the Armenian language is not so popular, and its usage is limited, there aren't any AI-based good models or tools that will recognize Armenian handwriting.
В настоящее время распознавание рукописных букв является очень интересной и сложной задачей. Эта задача остается сложной, потому что с почерком связано много проблем, например, почерк у всех людей разный, и со временем он может измениться. В отличие от печатного текста, который расположен прямо, рукописный текст может поворачиваться вправо, ломаться и т. д. Существует множество подходов к решению этой задачи, но наиболее популярным и эффективным методом является глубокое обучение. Цель этой статьи — найти лучшее решение на основе искусственного интеллекта (ИИ) для распознавания армянских рукописных букв. Поскольку армянский язык не так популярен и его использование ограничено, не существует хороших моделей или инструментов на основе ИИ, которые распознают армянский почерк.
Մեր օրերում ձեռագիր տառերի ճանաչումը շատ հետաքրքիր եւ բարդ խնդիր է: Այս խնդիրը մնում է դժվար, քանի որ ձեռագրի հետ կապված բազմաթիվ խնդիրներ կան, օրինակ՝ յուրաքանչյուր անձ ունի ձեռագրի տարբեր ոճ, եւ այն կարող է փոխվել ժամանակի ընթացքում։ Ի տարբերություն տպագիր տեքստի, որը ուղիղ է, ձեռագիր տեքստը կարող է պտտվել դեպի աջ, կամ կարող է կտրտված լինել եւ այլն: Այդ խնդիրը լուծելու բազմաթիվ մոտեցումներ կան, սակայն ամենահայտնի եւ արդյունավետ մեթոդը խորը ուսուցումն է։ Այս հոդվածի նպատակն է գտնել Արհեստական բանականության վրա հիմնված լավագույն լուծումը հայերեն ձեռագիր տառերի ճանաչման համար: Քանի որ հայերենն այնքան էլ տարածված չէ, եւ դրա օգտագործումը սահմանափակ է, այդ իսկ պատճառով չկան արհեստական բանականության վրա հիմնված լավ մոդելներ կամ գործիքներ, որոնք կճանաչեն հայերեն ձեռագիրը:



Հրատարակության վայրը:

Երևան

Հրատարակիչ:

Լիմուշ հրատ.

Ձևաչափ:

pdf

Ֆիզիկական այլ նկարագրություն:

գծ.

Նույնացուցիչ:

oai:arar.sci.am:360615

Թվայնացում:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Օբյեկտի հավաքածուներ:

Վերջին անգամ ձևափոխված:

Jun 26, 2023

Մեր գրադարանում է սկսած:

Jun 26, 2023

Օբյեկտի բովանդակության հարվածների քանակ:

43

Օբյեկտի բոլոր հասանելի տարբերակները:

https://arar.sci.am/publication/389860

Ցույց տուր նկարագրությունը RDF ձևաչափով:

RDF

Ցույց տուր նկարագրությունը OAI-PMH ձևաչափով։

OAI-PMH

Այս էջը օգտագործում է 'cookie-ներ'։ Ավելի տեղեկատվություն