مروري بر روش هاي يادگيري ژرف در بازشناسي نوري نويسه‌ها با تاكيد بر رسم الخط هاي فارسي، عربي و اردو

در سال‌هاي اخير موفقيت شبكه‌هاي عصبي كانولوشني ژرف در تشخيص و بازشناسي اشيا سبب جلب توجه بسياري از حوزه‌هاي مختلف يادگيري ماشين، از جمله حوزه بازشناسي نوري نويسه ها، به اين مقوله شده است. يكي از چالش‌هاي مهم اين حوزه، استخراج ويژگي‌هاي متمايزكننده و حاوي اطلاعات است. غالب روش‌هايي كه در سال هاي گذشته در بازشناسي نوري حروف مطرح شدند، مبتني بر ويژگي‌هاي دستي هستند كه توانايي تعميم‌پذيري محدودي دارند. امروزه به كمك شبكه‌هاي كانولوشني مي‌توان استخراج ويژگي را به صورت خودكار و با كارايي فوق العاده‌اي به ماشين سپرد و بازشناسي حروف جدا، ارقام و ليگاتورها را بادقت بالايي انجام داد.  همچنين، ساختارهايي بر مبناي تركيب شبكه هاي كانولوشني و بازگشتي  پيشنهاد شده اند، كه مي توانند بدون نياز به جداسازي حروف، بازشناسي را انجام دهند. اين رويكرد در سال‌هاي اخير مورد توجه زياد محققان بينايي ماشين قرار گرفته است؛ چرا كه به كمك اين شبكه‌ها مي‌توان به شكل مستقل از زبان، بازشناسي را تنها با توجه به مجموعه آموزشي انجام داد. هدف از اين مقاله، مروري بر كارهاي انجام شده با  اين رويكرد نوين در حوزه بازشناسي نوري نويسه‌ها است. در ادامه، پس از بيان مسئله و مروري مختصر بر روش‌هاي قبل، روش‌هاي مبتني بر الگوريتم هاي ژرف و ويژگي‌هاي آن‌ها با تفصيل بيشتري ارزيابي مي شوند. از آنجا كه تاكيد اين مقاله روي تحقيقات بازشناسي نوري حروف در رسم الخط هاي پيوسته، نظير فارسي، عربي و اردو است، كارهاي انجام شده در اين حوزه ها نيز در بخشي جداگانه مرور مي شوند. همچنين، ضمن معرفي مجموعه هاي داده معروف براي كاربردهاي مختلف و مروري بر معيارهاي ارزيابي روش هاي بازشناسي نوري حروف، مهم ترين نرم افزارهاي اختصاصي و بسته هاي نرم افزاري متن بازي كه براي بازشناسي حروف استفاده مي شوند، معرفي خواهند شد.