Sentetik Veri Kullanarak Türkçe Çevrimiçi El Yazısı Tanıma

Abstract

Bu çalışmada yapay veri ve öğrenme tranferi kullanan bir çevrimiçi Türkçe el yazısı tanıma sistemi sunuyoruz. Derin yapay sinir ağlarını eğitmek için çok miktarda veri gerekir. Ancak Türkçe çevrimiçi el yazısı için böylesine büyük bir veri seti bulunmamaktadır. Bu sorunu aşmak için yapay veri üreterek sistemi ön eğitime tabi tutmayı, ardından gerçek veri ile ince ayar yapmayı öneriyoruz. Büyük bir İngilizce çevrimiçi el yazısı veri setindeki ayrık karakter örneklerini kullanarak çevrimiçi el yazısı kelimeler üretiyoruz. Bu yapay veri ile ön eğitime tabi tuttuğumuz sistemi gerçek veri ile de eğiterek 2,041 kelimelik gerçek veri üzerinde test ediyoruz. Öğrenme transferi yöntemi sayesinde Türkçe kelimeler için karakter tanıma oranının %61’den %88’e yükseldiğini gözlemliyoruz. Yapay test verisinde de buna yakın bir sonuç alınması yapay verinin gerçek veriye yeterince benzediğini gösterir. Alınan sonuçlara dayanarak yapay veri kullanmanın Türkçe çevrim içi el yazısı alanında yaşanan veri yetersizliği problemine bir çözüm olabileceğini söyleyebiliriz.

We present a recognition system for online Turkish handwriting trained with synthetically generated data and transfer learning. Training deep networks requires large amounts of data. However, a sufficiently large collection of Turkish handwriting samples is not available. Hence we synthesize data to do pretraining before adapting the system to target dataset by fine tuning. We generate words from isolated character collection of a large English handwriting dataset. Then, we train the system first with synthetic data and fine tune it with Turkish handwriting samples from a smaller dataset. Fine tuning increases the character recognition rate of the final system which is evaluated on 2,041 samples of isolated Turkish words from the initial value of 61% to 88%. Performance of the system on synthetic data is quite similar to that on the Turkish test data which shows that the synthetic data resembles the real data quite closely. According to these results, synthetic data generation can be a solution to the data scarcity problem of online Turkish handwriting.