Geleneksel Görüntü İşleme ve Derin Öğrenmenin Birleşimi Hibrid Model ile El Yazısı Rakam Sınıflandırma

Read full text Summarise with VIRAT
Authors: Ethem Sefa Küçükyilmaz, Erhan Akın
Cited by: 0
References: 15

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Bu çalışma, rakam sınıflandırma problemlerinde yaygın olarak kullanılan Konvolüsyonel Sinir Ağları’nın (CNN) dönme ve ölçekleme gibi geometrik varyasyonlara karşı yaşadığı yetersizlikleri gidermek amacıyla hibrit bir model önermektedir. Önerilen yaklaşım, CNN mimarisini Hu ve Zernike Momentlerinin sağladığı geometrik değişmezlik özellikleriyle entegre ederek özellik birleştirme tekniğini kullanmaktadır. Modelin dayanıklılığı, standart veriler yerine gürültü ve bozulma içeren zorlu SVHN veri seti üzerinde test edilmiştir. Çalışma kapsamında modern ve hafif bir mimari olan MobileNetV3 ile yapılan kapsamlı kıyaslamalar, hibrit modelin %90.97 ile istatistiksel olarak rekabetçi bir doğruluk oranına ulaştığını göstermiştir. Ancak asıl fark işlem hızında ortaya çıkmış; hibrit model 760 ms işlem süresiyle, 3276 ms süren MobileNetV3 modeline kıyasla 4 kattan fazla hız avantajı sağlamıştır. Bu sonuçlar, önerilen yöntemin yüksek doğruluk ve hız gerektiren gerçek zamanlı uygulamalar için modern alternatiflerden çok daha verimli bir çözüm sunduğunu kanıtlamaktadır.

Fields of Study & Subjects

Handwritten Text Recognition Techniques Advanced Neural Network Applications Vehicle License Plate Recognition

Publication details

Journal / source
Çukurova Üniversitesi Mühendislik Fakültesi Dergisi
Volume
41
Issue
1
Pages
145–154
Publication date
25 March 2026
Language
TR