Kurdish Handwritten Character Recognition using Deep Learning Techniques
University of Kurdistan Hewler(休勒库尔德斯坦大学);Singidunum University(辛吉杜努姆大学);Torrens University(托伦斯大学);Yonsei University(延世大学);Ramco Institute of Technology(拉姆科理工学院);Guru Nanak Dev University(古鲁那纳克德夫大学);Tishk International University(提什克国际大学)
手写体识别是图像处理和模式识别领域中一个活跃而又富有挑战性的研究领域。它有许多应用,包括:视力障碍的阅读辅助,银行支票的自动阅读和处理,使任何手写文档可搜索,并将其转换为结构化文本形式等。然而,没有这样的系统可用于离线库尔德手写识别。在本文中,试图设计和开发一个模型,可以识别手写字符的库尔德字母使用深度学习技术。库尔德语(Sorani)包含34个字符,主要采用阿拉伯语\Persian为基础的文字,修改了字母表。在这项工作中,采用了深度卷积神经网络模型,该模型在手写识别系统中表现出了示例性的性能。然后,为手写库尔德字符创建了一个全面的数据集,其中包含4万多张图像。创建的数据集已用于训练深度卷积神经网络模型,以执行分类和识别任务。在该系统中,实验结果表明,一个可接受的识别水平。测试结果报告了96%的准确率,训练准确率报告了97%的准确率。从实验结果来看,很明显,所提出的深度学习模型表现良好,与其他语言的手写识别系统的类似模型相当。
2022-10-18 cs.CV cs.LG cs.NE
Handwritten Optical Character Recognition (OCR): A Comprehensive Systematic Literature Review (SLR)
Barrett Hodgson University(巴雷特霍奇森大学);Quest International University(奎斯特国际大学);NED University of Engineering and technology(NED工程技术大学);Université Claude Bernard Lyon1(里昂第一大学)
鉴于手写文档在人类交易中的普遍性,文档的光学字符识别(OCR)具有非常宝贵的实用价值。光学字符识别是一门能够将各种类型的文档或图像转换为可分析、可编辑和可搜索的数据的科学。在过去的十年中,研究人员已经使用人工智能/机器学习工具来自动分析手写和打印文档,以便将其转换为电子格式。这篇综述的目的是总结已经进行的手写文档的字符识别的研究,并提供研究方向。在本系统性文献综述(SLR)中,我们收集、综合和分析了2000年至2018年期间发表的关于手写OCR主题(以及密切相关主题)的研究文章。我们遵循广泛使用的电子数据库,遵循预定义的审查协议。使用关键词、前向参考文献检索和后向参考文献检索进行文献检索,以检索与主题相关的所有文献。在仔细遵循研究选择过程后,为本SLR选择了142篇文章。这篇综述文章的目的是介绍OCR的最新成果和技术,并通过突出研究差距提供研究方向。
2020-01-01 cs.CV cs.LG
Handwritten Amharic Character Recognition Using a Convolutional Neural Network
Arba Minch University(阿尔巴明奇大学);Ethiopian Institute of Technology-Mekelle(默克莱埃塞俄比亚理工学院)
阿姆哈拉语是埃塞俄比亚联邦民主共和国的官方语言。有许多历史性的阿姆哈拉语和阿拉伯语手写文件,涉及各种相关问题,包括治理、科学、宗教、社会规则、文化和艺术作品,这些都是非常接近土著知识的。阿姆哈拉语有自己的字母表,来自埃塞俄比亚目前的礼仪语言Geez。手写字符识别的非拉丁脚本,如阿姆哈拉语没有解决,特别是使用的最先进的技术状态的优势。本研究工作首次设计了一个基于卷积神经网络的阿姆哈拉文手写体字符识别模型。数据集是从收集的样本手写文档和数据增强应用于机器学习。该模型进一步增强了使用多任务学习的字符的关系。从后一个模型中观察到了令人满意的结果,该模型可以进一步应用于单词预测。
2019-09-23 cs.CV cs.LG stat.ML
Tifinagh-IRCAM Handwritten character recognition using Deep learning
在本文中,我们利用深度学习方法的优势来设计一个高效的Amazigh手写识别系统。事实上,这种方法已经证明在各个领域,特别是识别任务中具有更高的效率。然而,为了充分利用这种方法,有必要构建一个足够的训练和测试数据集,忠实地代表所关注的问题。为此,我们准备了102位作者的数据集,每个作者包含33个IRCAM-Tifinagh字符。受MNIST数据库的启发,字符集是大小归一化的,并以固定大小的图像为中心。结果是大小为28 x28的灰度图像,其中黑色是字符的非颜色。在该预处理步骤之后产生的图像的数量为3,366。
2019-12-21 cs.CV cs.LG
BanglaNet: Bangla Handwritten Character Recognition using Ensembling of Convolutional Neural Network
Western University(西安大略大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对孟加拉语手写字符识别难题,提出BanglaNet模型,集成Inception、ResNet和DenseNet三种CNN,在三个基准数据集上取得最高98.40%的top-1准确率。
2024-02-04 cs.CV cs.LG
Modality Conversion of Handwritten Patterns by Cross Variational Autoencoders
Kyushu University(九州大学)
本研究试图建构一个网路,将线上与线下手写文字互相转换。该网络由两个可变自动编码器(VAE)组成,具有共享的潜在空间。VAE被训练成同时生成在线和离线手写拉丁字符。通过这种方式,我们创建了一个跨模态VAE(Cross-VAE)。在训练期间,所提出的交叉VAE被训练以最小化两种模态的重建损失、两个VAE的分布损失以及称为空间共享损失的新颖的第三损失。第三,空间共享损失用于通过计算潜变量之间的距离来鼓励模态共享相同的潜空间。通过该方法,在线和离线手写字符的相互转换是可能的。在本文中,我们证明了交叉VAE的性能,通过定性和定量分析。
2019-06-14 cs.CV cs.LG
Handwritten Chinese Character Recognition by Convolutional Neural Network and Similarity Ranking
University of Western Ontario(西安大略大学)
卷积神经网络(CNN)最近在手写体汉字识别(HCCR)上取得了最先进的性能。然而,大多数CNN模型采用SoftMax激活函数并最小化交叉熵损失,这可能导致类间信息的损失。为了解决这个问题,我们提出了将交叉熵与相似度排序函数相结合,并将其作为损失函数。实验结果表明,组合损失函数在HCCR中具有较高的精度。本文简要回顾了交叉熵损失函数,一种典型的相似性排序函数:欧氏距离,并提出了一种新的相似性排序函数:平均方差相似性。实验比较了三种不同损失函数的CNN模型的性能。最后,SoftMax交叉熵与平均方差相似度在手写体汉字识别中具有最高的准确率。
2019-08-30 cs.CV cs.LG stat.ML
Bengali Handwritten Digit Recognition using CNN with Explainable AI
Ahsanullah University of Science and Technology(阿萨努拉科技大学);Brac University(布拉克大学)
手写体字符识别是当前的研究热点。如果我们能够利用光学字符识别(OCR)技术将手写的纸张转换为可进行文本搜索的文档,我们就可以轻松地理解内容,而无需阅读手写文档。英语中的OCR非常常见,但在孟加拉语中,很难找到高质量的OCR应用程序。如果我们能将机器学习和深度学习与OCR融合在一起,这可能会对这个领域做出巨大的贡献。许多研究人员提出了一些识别孟加拉手写字符的策略。在他们的工作中使用了大量的ML算法和深度神经网络,但他们的模型解释是不可用的。在我们的工作中,我们使用了各种机器学习算法和CNN来识别手写的孟加拉数字。我们已经从一些ML模型中获得了可接受的准确性,而CNN给了我们很高的测试准确性。Grad-CAM被用作我们的CNN模型上的XAI方法,这让我们深入了解模型,并帮助我们检测感兴趣的来源,以便从图像中识别数字。
2022-12-23 cs.CV cs.LG
Recognition of Handwritten Japanese Characters Using Ensemble of Convolutional Neural Networks
University of Colorado Colorado Springs(科罗拉多大学科罗拉多斯普林斯分校)
本文提出三模型 CNN 集成方法识别手写日文汉字,并在四个数据集上验证,最高准确率达 99.4%。
2023-06-06 cs.AI cs.CL cs.CV
BornoViT: A Novel Efficient Vision Transformer for Bengali Handwritten Basic Characters Classification
Department of Computer Science and Engineering, Islamic University of Technology, Gazipur 1704, Bangladesh(计算机科学与工程系,伊斯兰技术大学,加兹ipur 1704,孟加拉国)
BornoViT通过高效轻量的视觉Transformer模型实现了孟加拉语手写字符的高精度分类,展示了优于现有方法的效率和准确性。
2026-02-28 cs.CV cs.LG
Bengali Handwritten Character Classification using Transfer Learning on Deep Convolutional Neural Network
B.P. Poddar Institute of Management and Technology(B.P. Poddar管理技术学院);Government College of Leather Technology(皮革技术政府学院);Government College of Engineering and Ceramic Technology(工程与陶瓷技术政府学院);Washington University in Saint Louis(圣路易斯华盛顿大学)
在本文中,我们提出了一种解决方案,该解决方案使用深度学习中最先进的技术来解决孟加拉语手写字符识别(HCR)问题。我们的方法使用较少的迭代训练比大多数其他可比的方法。我们在ResNet 50上采用了迁移学习,ResNet 50是一种最先进的深度卷积神经网络模型,在ImageNet数据集上进行了预训练。我们还使用其他技术,如修改版本的单周期策略,改变输入图像大小等,以确保我们的训练快速进行。我们使用BanglaLekha隔离数据集来评估我们的技术,该技术由84个类组成(50个基本字符,10个数字和24个复合字符)。我们能够在BanglaLekha-Isolated数据集上仅用47个epoch就实现96.12%的准确率。当我们的方法与其他研究人员相比,考虑到类的数量和不使用包围学习,所提出的解决方案达到了最先进的结果手写孟加拉字符识别。代码和重量文件可在https://github.com/swagato-c/bangla-hwcr-present上获得。
2019-02-25 cs.CV cs.LG
Deep Learning-Driven Approach for Handwritten Chinese Character Classification
Hong Kong University of Science and Technology(香港科技大学);Sparcus Technologies Limited(Sparcus科技有限公司)
本文提出了一种高度可扩展的深度学习方法,用于手写汉字分类,通过引入模型架构、数据预处理步骤和测试设计指南,解决了现有方法泛化性差和结构复杂的问题,并通过实验验证了其性能改进。
2024-03-27 cs.CV cs.LG
Online trajectory recovery from offline handwritten Japanese kanji characters
Institute of Global Innovation Research(全球创新研究机构);Tokyo University of Agriculture and Technology(东京农工大学)
通常,从在线手写模式呈现离线手写图像是简单的。然而,这是具有挑战性的重建一个在线的手写模式给定的离线手写图像,特别是多笔划的字符,如日本汉字。多笔画字符不仅需要点坐标,而且需要笔画顺序,其难度随笔画数量呈指数增长。此外,多个交叉和接触点可能会增加恢复任务的难度。我们提出了一种基于深度神经网络的方法来解决使用大型在线手写数据库的恢复任务。我们提出的模型有两个主要组成部分:基于卷积神经网络的编码器和基于长短期记忆网络的解码器与注意层。编码器专注于特征提取,而解码器参考提取的特征并生成坐标的时间序列。我们还演示了在重建过程中的注意层,以指导解码器的效果。我们通过视觉验证和手写字符识别来评估所提出的方法的性能。虽然视觉验证揭示了一些问题,识别实验表明,在提高离线手写字符识别的准确性时,结合在线识别的恢复轨迹的轨迹恢复的效果。
2020-09-09 cs.CV cs.LG
Transformer based Urdu Handwritten Text Optical Character Reader
FAST NUCES(巴基斯坦国立计算机与新兴科学大学)
手写体文本的提取是信息数字化和大规模应用的重要组成部分。手写光学字符阅读机(OCR)是计算机视觉和自然语言处理计算领域的一个研究课题,针对英语已经做了大量的工作,但遗憾的是,针对乌尔都语等低资源语言的工作却很少。乌尔都语脚本是非常困难的,因为它的草书性质和基于它的相对位置的字符形状的变化,因此,需要提出一个模型,可以理解复杂的功能,并概括为每一种手写风格。在这项工作中,我们提出了一个基于Transformer的乌尔都语手写文本提取模型。由于Transformers在自然语言理解任务中非常成功,我们进一步探索它们来理解复杂的乌尔都语手写体。
2022-06-09 cs.AI cs.CV cs.IR
MatriVasha: A Multipurpose Comprehensive Database for Bangla Handwritten Compound Characters
DAFFODIL INTERNATIONAL UNIVERSITY(达福德国际大学)
本文构建MatriVasha数据集,收录来自孟加拉国不同地区、年龄与性别书写者的120类共2552个孟加拉语手写复合字符,以弥补综合数据集缺失并支持识别研究。
2020-05-06 cs.CV cs.LG
RNN-based Online Handwritten Character Recognition Using Accelerometer and Gyroscope Data
San Diego State University(圣地亚哥州立大学)
这篇摘要探讨了一种基于RNN的在线手写识别问题的方法。我们的方法使用安装在手持笔状设备上的加速度计和陀螺仪的数据来训练和运行字符预测模型。我们已经建立了一个数据集的时间戳陀螺仪和加速度计的数据收集在手写拉丁字符的手动过程中,标记的字符被写入;总的来说,该数据集包括1500陀螺仪和加速度计的数据序列,8个字符的拉丁字母从6个不同的人,和20个字符,每个1500样本从格鲁吉亚字母从5个不同的人。每个序列包含在写入特定字符期间捕获的陀螺仪和加速计数据,每10毫秒采样一次。我们在这个数据集上训练一个基于RNN的神经网络架构来预测正在书写的字符。该模型采用分类交叉熵损失法和RMSprop优化器进行优化,在测试数据上取得了较高的精度。
2019-07-24 cs.CV cs.LG stat.ML
Transfer Learning using CNN for Handwritten Devanagari Character Recognition
Universiti Brunei Darussalam(文莱达鲁萨兰大学)
本文分析了使用深度卷积神经网络(DCNN)的迁移学习识别手写体梵文字母的预训练模型。本研究实现了AlexNet、DenseNet、Vgg和Inception ConvNet作为固定的特征提取器。我们为AlexNet、DenseNet 121、DenseNet 201、Vgg 11、Vgg 16、Vgg 19和Inception V3中的每一个实现了15个epoch。结果表明,Inception V3在准确性方面表现更好,平均epoch时间为16.3分钟,达到99%的准确性,而AlexNet表现最快,每个epoch为2.2分钟,达到98%的准确性。
2019-09-19 cs.AI cs.CV cs.LG
Handwritten and Machine printed OCR for Geez Numbers Using Artificial Neural Network
Addis Ababa University(亚的斯亚贝巴大学)
对仿剧本的研究已经完成。然而,由于不同的原因,研究排除了吉兹数。提出了一种基于前馈反向传播人工神经网络的脱机手写体和机印体吉兹数识别方法。在这项研究中,从谷歌图像搜索中收集了不同的Geez图像字符,并指示三个人用铅笔写下数字。我们总共收集了560个字符。我们使用了460个字符进行训练,100个用于测试。因此我们总体上达到了所有分类的~89:88%
2019-11-15 cs.CV cs.LG eess.IV
Character Queries: A Transformer-based Approach to On-Line Handwritten Character Segmentation
University of Applied Sciences and Arts Western Switzerland(瑞士西部应用科学与艺术大学);University of Fribourg(弗里堡大学);Google Research(谷歌研究院)
针对预先已知转录文本的在线手写字符分割问题,提出基于Transformer和字符查询的聚类分配架构,在IAM-OnDB和HANDS-VNOnDB数据集上取得最佳分割效果。
2023-09-06 cs.CV cs.LG
CNN training with graph-based sample preselection: application to handwritten character recognition
Kyushu University(九州大学);GLORY LTD.(光荣有限公司)
本文研究了基于CNN的大样本训练数据集的样本预选问题。为此,我们将输入数据集构造为网络表示,即相对邻域图,然后提取一些感兴趣的向量。建议的预选方法进行评估的背景下,手写字符识别,通过使用两个数据集,多达几十万的图像。结果表明,基于图的预选可以减少训练数据集,而不会降低非预训练的CNN浅层模型的识别精度。
2018-03-06 cs.LG
Rotation-free Online Handwritten Character Recognition Using Linear Recurrent Units
College of Mathematics and Statistics, Chongqing University, China(数学与统计学院,重庆大学)
本文提出一种无旋转在线手写字符识别方法,结合滑动窗口路径签名与轻量级线性递归单元,实现高准确率的字符识别。
2026-09-09 cs.CV cs.LG
uTHCD: A New Benchmarking for Tamil Handwritten OCR
University of Technology and Applied Science(技术与应用科学大学)
手写体字符识别是文档图像分析领域几十年来一项具有挑战性的研究,这是由于许多原因,例如书写风格变化大,数据中固有的噪声,它提供的广泛应用,非基准数据库的可用性等。文献中报道了大量关于为几种印度文字创建数据库的工作,但泰米尔文字仍处于起步阶段,仅在一个数据库中报告[5]。在本文中,我们提出了一个详尽的和大的无约束的泰米尔手写字符数据库(uTHCD)的创建所做的工作。数据库由大约91000个样本组成,156个类中每个类近600个样本。该数据库是在线和离线样本的统一集合。通过要求志愿者在指定网格内的表格上写下样本来收集离线样本。对于在线样本,我们让志愿者使用数字书写板在类似的网格中书写。所收集的样本包括各种各样的书写风格,固有的失真所产生的离线扫描过程中,即中风不连续性,可变厚度的中风,失真等算法,这是弹性的,这样的数据可以实际部署为实时的应用。这些样本来自大约650名泰米尔本地志愿者,包括上学的孩子、家庭主妇、大学生和教职员工。孤立的字符数据库将作为原始图像和分层数据文件(HDF)压缩文件公开提供。有了这个数据库,我们希望在泰米尔手写字符识别中建立一个新的基准,并作为一个发射台,在文档图像分析领域的许多途径。论文还提出了一个理想的实验设置,使用数据库的卷积神经网络(CNN)与基线准确率为88%的测试数据。
2021-03-13 cs.CV cs.LG
Handwritten Script Identification from Text Lines
Jadavpur University(贾达沃普尔大学);Netaji Subhash Engineering College(纳塔吉·苏巴斯工程学院)
在印度这样一个使用12种不同官方文字的多语言国家,手写体文字的自动识别促进了许多重要的应用,例如多语言文档的自动转录,在网络/数字档案中搜索包含特定文字的文档,以及在多语言环境中选择特定于文字的光学字符识别(OCR)系统。在本文中,我们提出了一个鲁棒的方法来识别手写体文件中的文字在文本行级别。识别是基于使用链码直方图(CCH)和离散傅立叶变换(DFT)提取的特征。所提出的方法进行了实验800手写文本行写在7个印度脚本,即古吉拉特语,卡纳达语,马拉雅拉姆语,奥里亚语,泰米尔语,泰卢固语,乌尔都语以及罗马脚本,并产生了平均识别率为95.14%,使用支持向量机(SVM)分类器。
2020-09-16 cs.CV cs.LG
A Sobel-Gradient MLP Baseline for Handwritten Character Recognition
Department of Science, Technology & Mathematics(科学、技术与数学系)
本文提出仅用Sobel一阶梯度作为输入训练全密集MLP进行手写字符识别,在MNIST和EMNIST Letters上分别达到98%和92%准确率,证明边缘信息足以支撑高效且透明的HCR。
2026-10-05 cs.CV cs.LG
TextCaps : Handwritten Character Recognition with Very Small Datasets
University of Moratuwa(莫拉图瓦大学);University of Sydney(悉尼大学)
由于缺乏大量的标记训练数据,许多本地化语言难以从字符识别系统的最新进展中获益。这是由于难以为这些语言生成大量标记数据,以及深度学习技术无法从少量训练样本中正确学习。我们解决了这个问题,通过引入一种技术,从现有的样本生成新的训练样本,与现实的扩增,反映了实际的变化,存在于人类的手写,通过添加随机控制的噪声,其相应的实例化参数。我们的结果,每个类只有200个训练样本,超过了EMNIST字母数据集的现有字符识别结果,同时实现了三个数据集的现有结果:EMNIST平衡,EMNIST数字和MNIST。我们还开发了一种策略,有效地使用组合的损失函数,以改善重建。我们的系统是有用的字符识别本地化的语言,缺乏大量的标记训练数据,甚至在其他相关的更一般的情况下,如对象识别。
2019-04-17 cs.CV cs.LG
BMI Prediction from Handwritten English Characters Using a Convolutional Neural Network
本文提出了一种基于卷积神经网络(CNN)的深度学习方法,通过分析48人的手写英文小写字母样本来预测身体质量指数(BMI),填补了手写分析与BMI预测之间的研究空白,并取得了99.92%的准确率。
2025-04-05 cs.CV cs.LG
Multi-script Handwritten Digit Recognition Using Multi-task Learning
Arba Minch University(阿尔巴明奇大学)
手写体数字识别是机器学习研究的热点之一。除了对MNIST数据集上的手写数字识别进行了广泛的研究外,还有许多其他关于各种手写体识别的研究工作。然而,它不是很常见的多脚本数字识别,鼓励发展强大的和多用途的系统。此外,多脚本数字识别的工作使多任务学习成为可能,例如将脚本分类视为相关任务。很明显,多任务学习通过使用相关任务中包含的信息进行归纳迁移来提高模型性能。因此,在本研究中,将探讨多任务学习的多手写体数字识别。作为演示问题解决方案的一个具体案例,阿姆哈拉语手写字符识别也将进行实验。对拉丁文、阿拉伯文和卡纳达文三种手写体数字的研究表明,对单个任务进行重构的多任务模型显示出了良好的效果。在这项研究中,提出了一种新的方法,使用个人的任务预测,以帮助分类性能和规则化的不同损失的主要任务的目的。这一发现优于基线和传统的多任务学习模型。更重要的是,它避免了对任务的不同损失进行加权的需要,这是多任务学习的挑战之一。
2021-06-15 cs.CV cs.LG
Evaluating Sequence-to-Sequence Models for Handwritten Text Recognition
University of Rostock(罗斯托克大学);PLANET artificial intelligence GmbH(PLANET人工智能有限公司)
编码器-解码器模型已经成为序列学习任务(如机器翻译、图像描述和语音识别)的有效方法,但对于手写文本识别尚未显示出有竞争力的结果。为此,我们提出了一个基于注意力的序列到序列模型。它结合了一个卷积神经网络作为一个通用的特征提取器与递归神经网络编码的视觉信息,以及输入图像中的字符之间的时间上下文,并使用一个单独的递归神经网络解码的实际字符序列。我们对各种注意力机制和位置编码进行了实验比较,以找到输入和输出序列之间的适当对齐。该模型可以进行端到端的训练,如果需要,混合损失的可选集成允许编码器保留可解释和可用的输出。与不使用语言模型的最新技术相比,我们在IAM和ICFHR 2016 READ数据集上获得了有竞争力的结果,并且我们在任何最近的序列到序列方法上都有显着改进。
2019-07-15 cs.CV cs.LG
Leveraging Deep Learning with Multi-Head Attention for Accurate Extraction of Medicine from Handwritten Prescriptions
GIFT University(吉夫特大学);University of Engg. & Tech. Lahore(拉合尔工程技术大学)
针对手写处方药物名称提取困难的问题,提出结合Mask R-CNN分割与多头注意力增强的TrOCR转录方法,并在巴基斯坦手写处方数据集上实现1.4%的字符错误率。
2024-12-24 cs.CV cs.LG eess.IV
A Large Multi-Target Dataset of Common Bengali Handwritten Graphemes
Bangladesh University of Engineering and Technology(孟加拉国工程技术大学);Apurba Technologies Inc.(阿普尔巴技术公司);Independent University, Bangladesh(孟加拉国独立大学)
拉丁语在手写光学字符识别(OCR)研究中一直处于领先地位。将现有的系统从拉丁语调整到字母音节语言是特别具有挑战性的,因为它们的拼写之间存在鲜明的对比。由于草书书写系统和字母音节语言家族中频繁使用的变音符号,与字符对应的图形成分的分割变得非常困难。我们提出了一个标签计划的基础上的字素(语言段的单词形成),使分割内方α-音节词线性,并提出了第一个数据集的孟加拉语手写体字素是常用的在日常生活中。该数据集包含1295个独特的常用孟加拉字素的411 k精选样本。此外,测试集包含900个不常见的孟加拉语字素,用于字典外性能评估。该数据集是开源的,作为Kaggle上公共手写体字形分类挑战赛的一部分,以基准测试多目标字形分类的视觉算法。该数据集中存在的独特字素是基于Google孟加拉语ASR语料库中的共性选择的。从比赛程序中,我们看到深度学习方法可以推广到训练过程中不存在的大范围字典外的字素。数据集和入门代码请访问www.kaggle.com/c/bengaliai-cv19。
2021-01-13 cs.CL cs.CV cs.LG
Handwritten and Printed Text Segmentation: A Signature Case Study
Thomson Reuters AI Labs(汤森路透人工智能实验室)
针对扫描文档中手写与印刷文本重叠影响OCR及下游NLP任务的问题,本研究提出新的分割方法与模型架构,构建真实法律文档数据集SignaTR6K,在两个数据集上的IoU得分较现有工作分别提升17.9%和7.3%。
2023-08-25 cs.AI cs.CV cs.LG
HATFormer: Historic Handwritten Arabic Text Recognition with Transformers
NC State University(北卡罗来纳州立大学);Khayrallah Center for Lebanese Diaspora Studies(黎巴嫩侨民研究海拉拉中心)
本文提出HATFormer,一种基于Transformer编码器-解码器架构的历史手写阿拉伯文本识别模型,通过定制图像处理器、文本分词器和训练管道,在公开历史数据集上实现8.6%的字符错误率,较最佳基线提升51%。
2025-04-03 cs.CL cs.CV cs.LG