Kurzfassung:
Diese Bachelorarbeit beschäftigt sich mit der Entwicklung eines Convolutional Neural Networks zur Erkennung perforierter Zeichen. Da perforierte Zeichen auf Reisepässen zu finden sind und deswegen nur wenige Bilder solcher Zeichen zur Verfügung stehen, sollen synthetische Bilder für das Training des Netzes eingesetzt werden. Nach der Betrachtung der theoretischen Grundlagen wird der Entwicklungsprozess des Convolutional Neural Networks beschrieben. Dabei wird gezeigt, wie durch verschiedene Modifikationen und Tests eine optimale Struktur des Netzes für die Klassifizierung perforierter Zeichen gefunden werden konnte. Außerdem wird die Entwicklung und Generierung der benötigten synthetischen Bilder beschrieben. Die so entstandenen synthetischen Bilder können kaum von realen Bildern unterschieden werden. Mit diesen Bildern konnte nachgewiesen werden, dass ein nur mit synthetischen Daten trainiertes Netz reale Daten korrekt klassifizieren kann. Das Resultat ist ein Netz, welches 99,47% der realen Testdaten korrekt klassifiziert.