الجمع بين شبكات CNN واكتشاف الزوايا للتعرف على الكاتب العربي
DOI:
https://doi.org/10.31272/ijes.v23i85.1281الكلمات المفتاحية:
الكتابة اليدوية، اللغة العربية، تحديد الهوية، الشبكات العصبية التلافيفيةالملخص
تحتل اللغة العربية المرتبة الخامسة في ترتيب اللغات المنطوقة، مما يعني أنّ 420 مليون شخص يتحدثون اللغة العربية. وقد تم التعرف على الأشخاص بيومتريًا باستخدام بصمات الأصابع والوجوه وغيرها من السمات المماثلة. في هذه الورقة، اقترح نموذج تعريف بيومتري للكتابة اليدوية العربية، لأنّ العديد من الحروف العربية لها أشكال متشابهة جدًا ولا يمكن تمييزها إلا من خلال موقع نقطة واحدة أو أكثر، أمّا فوق الحرف أو تحته. يتم تقديم نموذج جديد وفعّال للتعرف على الكتابة اليدوية العربية دون اتصال بالإنترنت. أساسه هو مزيج من عدة طرق مثل كاشف زاوية هاريس، وشي توماسي، والشبكات العصبية التلافيفية (CNNs). يتم استخدام زيادة البيانات أثناء مرحلة تدريب النموذج لتحسين جودة البيانات، دون الحاجة إلى تقسيم الكلمات / الأحرف. الاستفادة من مجموعة كبيرة من المستندات العربية المكتوبة بخط اليد، مثل KHATT و AHAWP تم الوصول إلى معدلات دقة 99٪ و 98٪ على التوالي.
