РОЗРОБКА ТА ОЦІНКА ЕФЕКТИВНОСТІ МОДЕЛІ РОЗПІЗНАВАННЯ РУКОПИСНОГО ТЕКСТУ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

Анотація

Стаття присвячена розробці та оцінці ефективності моделі розпізнавання рукописного тексту на основі згорткових нейронних мереж з використанням набору даних IAM Sentences. В роботі детально розглянуто процес створення моделі, яка поєднує сучасні методи глибокого навчання для вирішення складної задачі перетворення рукописної інформації в цифровий формат. Проведено комплексний аналіз наукових досліджень у галузі розпізнавання тексту, що підтверджує актуальність застосування нейронних мереж.Методологія дослідження включає детальну попередню обробку набору даних IAM Sentences, що містить зображення рукописних речень з відповідними текстовими мітками. Описано процес підготовки даних, включаючи читання метаданих, фільтрацію помилкових записів, нормалізацію зображень та створення словника унікальних символів. Особливу увагу приділено методам доповнення даних з використанням випадкових змін яскравості, масштабування для підвищення стійкості моделі.Архітектура розробленої моделі базується на поєднанні згорткових шарів для виділення просторових ознак зображень та LSTM-шарів для захоплення послідовних залежностей між символами. Використання функції втрат Connectionist Temporal Classification (CTC) дозволяє моделі прогнозувати послідовності символів без явного вирівнювання між входом та виходом, що є критично важливим для обробки рукописного тексту змінної довжини.Результати експериментів демонструють високу ефективність розробленої системи з досягненням CER на рівні 11.04 % після навчання протягом 67 епох. Цей показник свідчить про високу точність розпізнавання символів, що є конкурентоспроможним результатом для задач розпізнавання рукописного тексту. Аналіз кривих навчання через TensorBoard показав стабільне покращення метрик з незначними флуктуаціями, що підтверджує коректність обраної архітектури та параметрів навчання.