СИСТЕМА КЛАСИФІКАЦІЇ ШРИФТІВ ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ

Анотація

Актуальність та мета статті. Метою даної статті є дослідження та розробка системи візуальної класифікації шрифтів, що дасть змогу користувачам ефективніше працювати з шрифтами, а саме: обирати необхідні шрифти використовуючи попередній перегляд, застосовувати різноманітні фільтри та засоби організації шрифтів. Завдяки системі класифікації користувачі зможуть шукати шрифти за нахилом, базовим стилем і вагою, відповідно до їх дійсного відображення, цим самим уникаючи проблему некоректно вказаних стилів.

Методи дослідження. В даній статті розглянуто основні підходи класифікації шрифтів, їх переваги та недоліки. Зваживши розглянуті підходи, було вирішено застосувати нейронну мережу, на вхід якої надходять зображення з символами шрифтів. Нейронна мережа підбирає патерни (фільтри, карти ознак), на які слід звертати увагу при класифікації, зважаючи на правильні відповіді вчителя. Запропоновано можливе використання альтернативних методів класифікації шрифтів з описом їх проблемних місць.

Результати. Створено систему класифікації комп’ютерних шрифтів на основі згорткових нейронних мереж, що дозволяє класифікувати шрифти за нахилом, базовим стилем і вагою, відповідно до їх графічного відображення. Відсоток коректно класифікованих шрифтів системи: в визначенні нахилу – 96%; в визначенні базового стилю – 92%, в визначенні ваги – 91%. Розроблена система може застосовуватись для вирішення задач класифікації шрифтів як допоміжний інструмент визначення структури оцифрованих документів, а також у якості системи підбору шрифтів для створення дизайну. Виходячи з результату, можна судити про успішне застосування нейронних мереж для вирішення задач класифікації шрифтів.

Наукова новизна та практична значимість. В роботі були дослідженні основні підходи до класифікації шрифтів, проаналізовані їх недоліки та переваги. Була перевірена ефективність застосування багатошарових перцептронів та згорткових нейронних мереж. Експериментальним шляхом виявлені найбільш оптимальні параметри моделей нейронних мереж. Була розроблена та інтегрована в органайзер система візуальної класифікації шрифтів, що працює на згорткових нейронних мережах. Проведені контрольні тести, що підвердили високу точність класифікації розроблених моделей нейронних мереж