ارائه خصيصه هاي خاص زبان فارسي جهت بازيابي و بازشناسي كلمات تصويري فارسي بريده شده با استفاده از تعبيه برچسب

Persian specific Attribute for Handwritten Image Word spotting and recognition by LabelEmbedding

جستجو و بازيابي كلمات دستنويس در اسناد تصويري روشي جايگزين براي بازشناسي كاراكترهاي نوري (OCR) است. اين راهكار بيشتر در مواردي كه بازشناسي كاراكترهاي نوري دقت پاييني دارند، مانند متون دستنويس يا متون چاپي با كيفيت پاييني مطرح مي گردد. امروزه يكي از روشهاي كارآمد در بازيابي مبتني بر محتواي تصوير، كه براي كلمات تصويري هم توسعه داده شده است، استفاده از رده بندي مبتني بر خصيصه (Attributebased Classification) و همچنين تعبيه برچسب (Label Embedding) است. در اين مقاله چند خصيصه مختلف مبتني بر ساختار نگارش زبان فارسي جهت استفاده در بازيابي كلمات تصويري فارسي معرفي شده و نتايج حاصل از روش هاي مبتني بر خصيصه هاي پيشنهادي مقايسه گرديده است. در ارائه خصيصه ها ساختار نگارشي زبان فارسي درنظر گرفته شده است تا بهترين مطابقت را با روش نگارش فارسي داشته باشد. روش مورد مطالعه توانايي بازيابي كلمات تصويري با استفاده از كلمه پرسشي تصويري و متني را داراست. علاوه بر اين مي تواند به عنوان روشي جهت بازشناسي كلمات نيز مورد استفاده قرار گيرد. همچنين روش ارائه شده با استفاده از قابليت رده بندي مبتني بر خصيصه، توانايي شناسايي كلاس كلماتي كه در پايگاه داده آموزشي وجود ندارد را نيز دارا است. آزمايش هاي تجربي بر روي دو مجموعه داده استاندارد فارسا و ايرانشهر مورد بررسي قرار گرفته و نتايج حاصل از اجراي روش پيشنهادي قابل قبول است.

Persian specific Attribute for Handwritten Image Word spotting and recognition by LabelEmbeddingOCR methods cannot handle degraded printed documents and handwritten documents, Word spotting is an alternative way to search for query words. Nowadays, efficient Attributebased Content Based Image Retrieval (CBIR) are developed for Image documents. In this paper new attributes, based on Persian writing Style are introduced for Persian word spotting. We compared and analyze our methods against the other state of the art methods. In addition, the proposed method can handle both Image and string queries, also it can be employed as a word recognition system. Experiments on two standard datasets, Farsa and Iranshahr, shows reasonable results.