{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2878436"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2878436","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Exploring Character Pattern Recognition Techniques: A case study for Greek Polytonic Machine-Printed Characters","abstract":"Σε αυτη την διπλωματική εργασία εξερευνούμε διάφορες τεχνικές αναγνώρισης προτύπων για χαρακτήρες και παρουσιάζουμε μια μελέτη περίπτωσης για Ελληνικούς πολυτονικούς τυπωμένους χαρακτήρες όπου οι τεχνικές αυτές είναι εφαρμόσιμες. Υλοποιούμε και περιγράφουμε στατιστικές τεχνικές μηχανικής χαρακτηριστικών (feature engineering) όπως είναι ο διαχωρισμός του χαρακτήρα σε ζώνες, ο διαχωρισμός του χαρακτήρα σε προσαρμοστικές ζώνες, η εξαγωγή ιστογραμμάτων κάθετων και οριζόντιων προβολών καθώς και μια τεχνική εξαγωγής χαρακτηριστικών που βασίζεται σε αναδρομικές υποδιαιρέσεις του χαρακτήρα. Επιπλέον, υλοποιούμε και συζητάμε δύο τεχνικές κατηγοριοποίησης, η μια βασίζεται στο μοντέλο του ταιριάσματος προτύπου (template matching) και η άλλη βασίζεται στα τεχνητά νευρωνικά δίκτυα. Επιπρόσθετα, παρουσιάζουμε την υλοποιημένη σε python βιβλιοθήκη ανοικτού κώδικα που διεκπεραιώνει αυτές τις λειτουργίες μαζί με μια ενότητα για το πώς να την χρησιμοποιήσει κάποιος. Τέλος, αξιολογούμε τις προαναφερθείσες τεχνικές σε δύο διαφορετικά σύνολα δεδομένων που περιέχουν Ελληνικούς πολυτονικούς χαρακτήρες και παρουσιάζουμε τα αποτελέσματα μας για όσον αφορά την απόδοση των μεθόδων μας.","abstract_html":"Σε αυτη την διπλωματική εργασία εξερευνούμε διάφορες τεχνικές αναγνώρισης προτύπων για χαρακτήρες και παρουσιάζουμε μια μελέτη περίπτωσης για Ελληνικούς πολυτονικούς τυπωμένους χαρακτήρες όπου οι τεχνικές αυτές είναι εφαρμόσιμες. Υλοποιούμε και περιγράφουμε στατιστικές τεχνικές μηχανικής χαρακτηριστικών (feature engineering) όπως είναι ο διαχωρισμός του χαρακτήρα σε ζώνες, ο διαχωρισμός του χαρακτήρα σε προσαρμοστικές ζώνες, η εξαγωγή ιστογραμμάτων κάθετων και οριζόντιων προβολών καθώς και μια τεχνική εξαγωγής χαρακτηριστικών που βασίζεται σε αναδρομικές υποδιαιρέσεις του χαρακτήρα. Επιπλέον, υλοποιούμε και συζητάμε δύο τεχνικές κατηγοριοποίησης, η μια βασίζεται στο μοντέλο του ταιριάσματος προτύπου (template matching) και η άλλη βασίζεται στα τεχνητά νευρωνικά δίκτυα. Επιπρόσθετα, παρουσιάζουμε την υλοποιημένη σε python βιβλιοθήκη ανοικτού κώδικα που διεκπεραιώνει αυτές τις λειτουργίες μαζί με μια ενότητα για το πώς να την χρησιμοποιήσει κάποιος. Τέλος, αξιολογούμε τις προαναφερθείσες τεχνικές σε δύο διαφορετικά σύνολα δεδομένων που περιέχουν Ελληνικούς πολυτονικούς χαρακτήρες και παρουσιάζουμε τα αποτελέσματα μας για όσον αφορά την απόδοση των μεθόδων μας.","abstract_has_math":false,"creators":["Ντόνα Ριζάρτ","Dona Rizart"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:35:44Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2878436"],"render_values":[{"text":"uoadl:2878436","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2878436","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2878436","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2878436","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ντόνα Ριζάρτ","Dona Rizart"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2878436","https://pergamos.lib.uoa.gr/uoa/dl/object/2878436"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε αυτη την διπλωματική εργασία εξερευνούμε διάφορες τεχνικές αναγνώρισης προτύπων για χαρακτήρες και παρουσιάζουμε μια μελέτη περίπτωσης για Ελληνικούς πολυτονικούς τυπωμένους χαρακτήρες όπου οι τεχνικές αυτές είναι εφαρμόσιμες. Υλοποιούμε και περιγράφουμε στατιστικές τεχνικές μηχανικής χαρακτηριστικών (feature engineering) όπως είναι ο διαχωρισμός του χαρακτήρα σε ζώνες, ο διαχωρισμός του χαρακτήρα σε προσαρμοστικές ζώνες, η εξαγωγή ιστογραμμάτων κάθετων και οριζόντιων προβολών καθώς και μια τεχνική εξαγωγής χαρακτηριστικών που βασίζεται σε αναδρομικές υποδιαιρέσεις του χαρακτήρα. Επιπλέον, υλοποιούμε και συζητάμε δύο τεχνικές κατηγοριοποίησης, η μια βασίζεται στο μοντέλο του ταιριάσματος προτύπου (template matching) και η άλλη βασίζεται στα τεχνητά νευρωνικά δίκτυα. Επιπρόσθετα, παρουσιάζουμε την υλοποιημένη σε python βιβλιοθήκη ανοικτού κώδικα που διεκπεραιώνει αυτές τις λειτουργίες μαζί με μια ενότητα για το πώς να την χρησιμοποιήσει κάποιος. Τέλος, αξιολογούμε τις προαναφερθείσες τεχνικές σε δύο διαφορετικά σύνολα δεδομένων που περιέχουν Ελληνικούς πολυτονικούς χαρακτήρες και παρουσιάζουμε τα αποτελέσματα μας για όσον αφορά την απόδοση των μεθόδων μας.","In this thesis we explore various character pattern recognition techniques and we present a case study for Greek polytonic machine-printed characters where those techniques are applicable. We implement and describe statistical feature engineering techniques such as character zoning, adaptive character zoning, extraction of horizontal and vertical projection histograms as well as a feature extraction technique based on recursive subdivisions of the character. We also implement and discuss two classification techniques, one based on the template matching model and the other one based on artificial neural networks. Additionally, the python-based open source library that implements those functionalities is presented along with a how-to-use section. Finally, we evaluate the aforementioned techniques on two separate datasets that contain Greek polytonic characters and we present our results on the performance of our methods."]},{"key":"dc:title","label":"Title","values":["Exploring Character Pattern Recognition Techniques: A case study for Greek Polytonic Machine-Printed Characters"]}]}],"canonical_facts":{"dc:creator":["Ντόνα Ριζάρτ","Dona Rizart"],"dc:date":["2019"],"dc:description":["Σε αυτη την διπλωματική εργασία εξερευνούμε διάφορες τεχνικές αναγνώρισης προτύπων για χαρακτήρες και παρουσιάζουμε μια μελέτη περίπτωσης για Ελληνικούς πολυτονικούς τυπωμένους χαρακτήρες όπου οι τεχνικές αυτές είναι εφαρμόσιμες. Υλοποιούμε και περιγράφουμε στατιστικές τεχνικές μηχανικής χαρακτηριστικών (feature engineering) όπως είναι ο διαχωρισμός του χαρακτήρα σε ζώνες, ο διαχωρισμός του χαρακτήρα σε προσαρμοστικές ζώνες, η εξαγωγή ιστογραμμάτων κάθετων και οριζόντιων προβολών καθώς και μια τεχνική εξαγωγής χαρακτηριστικών που βασίζεται σε αναδρομικές υποδιαιρέσεις του χαρακτήρα. Επιπλέον, υλοποιούμε και συζητάμε δύο τεχνικές κατηγοριοποίησης, η μια βασίζεται στο μοντέλο του ταιριάσματος προτύπου (template matching) και η άλλη βασίζεται στα τεχνητά νευρωνικά δίκτυα. Επιπρόσθετα, παρουσιάζουμε την υλοποιημένη σε python βιβλιοθήκη ανοικτού κώδικα που διεκπεραιώνει αυτές τις λειτουργίες μαζί με μια ενότητα για το πώς να την χρησιμοποιήσει κάποιος. Τέλος, αξιολογούμε τις προαναφερθείσες τεχνικές σε δύο διαφορετικά σύνολα δεδομένων που περιέχουν Ελληνικούς πολυτονικούς χαρακτήρες και παρουσιάζουμε τα αποτελέσματα μας για όσον αφορά την απόδοση των μεθόδων μας.","In this thesis we explore various character pattern recognition techniques and we present a case study for Greek polytonic machine-printed characters where those techniques are applicable. We implement and describe statistical feature engineering techniques such as character zoning, adaptive character zoning, extraction of horizontal and vertical projection histograms as well as a feature extraction technique based on recursive subdivisions of the character. We also implement and discuss two classification techniques, one based on the template matching model and the other one based on artificial neural networks. Additionally, the python-based open source library that implements those functionalities is presented along with a how-to-use section. Finally, we evaluate the aforementioned techniques on two separate datasets that contain Greek polytonic characters and we present our results on the performance of our methods."],"dc:identifier":["uoadl:2878436","https://pergamos.lib.uoa.gr/uoa/dl/object/2878436"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Exploring Character Pattern Recognition Techniques: A case study for Greek Polytonic Machine-Printed Characters"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:35:44Z"}