Makine öğrenmesi ve bilgisayar görmesi uygulamaları son zamanlar oldukça trend olmaya ve biyometrik tanıma, hastalık teşhisi ve karakter analizi gibi uygulamalar başta olmak üzere birçok uygulama ve alanda kullanılmaya başlanmıştır. Bu çalışma kapsamında okullarda yapılan yazılı veya test sınav notlarının daha kolay okunup sistem üzerine entegre edilmesi için bir uygulama geliştirilmiş ve uygulamada kullanılan sınıflandırıcıların performansları değerlendirilmiştir. Sınav kağıtları üzerine elle yazılan başarı notlarının görüntü işleme yöntemleri kullanılarak tanımlanması yapılmıştır. Başarı notlarının tanınması aşamasında görüntü üzerinde ön işleme, dilimleme ve sınıflandırma işlemleri yapılarak kullanılan veri seti üzerinde sınıflandırma işlemleri gerçekleştirilmiştir. Sistemi eğitmek ve test etmek için akademik çalışmalarda sıklıkla tercih edilen MNIST veri seti kullanılmıştır. Bu veri setinde 0-9 arasındaki rakamların 250 farklı kişiden alınan 60.000 el yazısı örneği bulunmaktadır. Görüntü işleme aşamasında karakterlerin dilimleme işlemleri için yeni bir teknik kullanılarak tüm durumlar için uygun karakter ayrımı gerçekleştirilmiştir. Uygun dilimleme işlemi gerçekleştirildikten sonra verileri sınıflandırmak için Yapay Sinir Ağları (YSA), Evrişimsel Sinir Ağları (CNN) ve K-En Yakın Komşu (K-NN) algoritmaları kullanılmış ve performans değerleri sırasıyla %98, %98.4, %86 olarak elde edilmiştir.
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Research Articles |
Authors | |
Early Pub Date | August 10, 2023 |
Publication Date | August 10, 2023 |
Published in Issue | Year 2023 Volume: 1 Issue: 1 |