A Hybrid Swarm and Gravitation based feature selection algorithm for Handwritten Indic Script Classification problem
Jadavpur University（jadavpur大学）
在任何多脚本环境中，在将文档图像馈送到其各自的光学字符识别（OCR）引擎之前，手写脚本分类是至关重要的。多年来，这个复杂的模式分类问题已经通过研究人员提出各种特征向量来解决，这些特征向量大多具有较大的维度，从而增加了整个分类模型的计算复杂度。特征选择（FS）可以用作中间步骤，以通过将特征向量仅限制于基本和相关特征来减小特征向量的大小。在我们的论文中，我们已经解决了这个问题，通过引入一个新的FS算法，称为混合群和基于引力的FS（HSGFS）。该算法运行在最近文献中介绍的3个特征向量上-距离Hough变换（DHT），方向直方图（HOG）和改进的log-Gabor（MLG）滤波器变换。三个国家的最先进的分类器，即，多层感知器（MLP），K-最近邻（KNN）和支持向量机（SVM）用于手写体文字分类。手写的数据集，准备在块，文本行和字的水平，包括官方认可的12个印度脚本用于评估我们的方法。通过仅利用所有三个数据集上约75- 80%的原始特征向量，在分类精度方面实现了2- 5%的平均改善。与一些常用的FS模型相比，所提出的方法也显示出更好的性能。
2020-05-10 cs.CV cs.LG cs.NE
PLATTER: A Page-Level Handwritten Text Recognition System for Indic Scripts
IIT Bombay（印度理工学院孟买分校）
针对印度语手写文本识别中模型比较困难、数据集稀缺及忽略检测阶段的问题，提出页面级端到端框架PLATTER，发布CHIPS数据集并开源代码，促进印度语HTR研究。
2025-02-10 cs.CV
Classifier Fusion Method to Recognize Handwritten Kannada Numerals
PES Institute of Technology（PES理工学院）；PES School of Engineering（PES工程学院）
光学字符识别（OCR）是图像处理和模式识别领域的重要研究方向之一。手写体字符识别一直是一个具有挑战性的任务。在识别南印度语言的手写字符方面，只有很少的工作可以追溯到。卡纳达语是一种这样的南印度语言，也是印度的官方语言之一。由于卡纳达语字符之间的高度相似性，卡纳达语字符的准确识别是一项具有挑战性的任务。因此，要提取高质量的特征，需要更好的分类器来提高卡纳达语字符OCR的准确性。本文探讨了游程计数（RLC）和方向链码（DCC）等特征提取方法在手写体卡纳达数字识别中的有效性。本文提出了一种分类器融合的方法来提高识别率。对于分类器融合，我们考虑了K-最近邻（KNN）和线性分类器（LC）。该方法的新颖之处在于采用分类器融合的方法，以较少的特征获得更好的分类精度。该方法的平均识别率达到96%。
2013-01-02 cs.CV
Handwritten Bangla Basic and Compound character recognition using MLP and SVM classifier
提出了一种新的识别手写体复合孟加拉语字符的方法，以及孟加拉语字母的基本字符。与罗马字母等英语相比，手写孟加拉字母的光学字符识别（OCR）中的主要障碍之一是孟加拉字母表的大量复杂形状的字符类。除了50个基本字符类，孟加拉语字母表中还有近160个复杂形状的复合字符类。处理这样一个大品种的手写字符与适当设计的功能集是一个具有挑战性的问题。不确定性和不精确性是手写体所固有的。此外，如此大量的复杂形状的字符，其中一些具有密切的相似性，使得手写孟加拉语字符的OCR问题更加困难。考虑到问题的复杂性，本方法尝试从最频繁出现的到不太频繁出现的复合字符类来识别复合字符类，即，按重要性排序。这是为了开发一个框架，用于逐步增加复合字符的学习类的数量，从更频繁出现的复合字符到不太频繁出现的复合字符以及基本字符。在实验中，该技术被观察到产生的平均识别率为79.25后，三折交叉验证的数据与未来的改进和扩展的范围。
2010-02-23 cs.CV cs.LG
Recognition of Handwritten Textual Annotations using Tesseract Open Source OCR Engine for information Just In Time (iJIT)
Techno India College of Technology（Techno India 技术学院）；Jadavpur University（贾达沃普尔大学）；Hitachi Limited（日立有限公司）
目前的工作目标是开发一个光学字符识别（OCR）引擎的信息即时（iJIT）系统，可用于识别的手写文本注释小写罗马脚本。Apache License 2.0下的Tesseract开源OCR引擎用于开发用户特定的手写识别模型，即，对于所述系统，所述语言设置，其中每个用户由与数字笔相关联的唯一标识标签来标识。为了为任何用户生成语言集，Tesseract都是用标记的手写数据样本进行训练的，这些样本是从该用户那里专门收集的孤立和自由流动的罗马字母文本。设计的系统在五种不同的语言集上进行了测试，自由流动的手写注释作为测试样本。该系统对5个不同用户的测试样本分别有87.92%、81.53%、92.88%、86.75%和90.80%的识别率。
2010-03-30 cs.CV
Discrimination of English to other Indian languages (Kannada and Hindi) for OCR system
C-DAC Noida（印度电子与计算机发展中心诺伊达分部）
印度是一个多语言多文字的国家。在印度的每个邦都有两种语言，一种是当地语言，另一种是英语。例如，在印度的安得拉邦，文档可能包含英语和泰卢固语脚本的文本单词。对于这种双语文档的光学字符识别（OCR），在将文本字馈送到各个脚本的OCR之前，必须识别脚本。在本文中，我们介绍了一个简单而有效的技术，脚本识别卡纳达语，英语和印地语的文字印刷文件。所提出的方法是基于水平和垂直投影轮廓的三个脚本的歧视。特征提取是基于每个文本词的水平投影轮廓来完成的。我们分析了700个不同的词的卡纳达语，英语和印地语，以提取的歧视功能和知识库的发展。我们使用每个文本单词的水平投影轮廓，并根据水平投影轮廓提取相应的特征。该系统进行了测试，100个不同的文档图像，每个脚本包含超过1000个文本单词，卡纳达语，英语和印地语分别达到98.25%，99.25%和98.87%的分类率。
2012-05-10 cs.CV
A New Approach for Texture based Script Identification At Block Level using Quad Tree Decomposition
Jadavpur University（贾达普大学）
在为印度文字开发单语OCR系统方面已经取得了相当大的成功。但在印度这样的国家，多脚本场景很普遍，事先识别脚本成为强制性的。在本文中，我们提出的意义，Gabor小波滤波器在提取方向能量和熵分布的11个官方手写体，即孟加拉语，梵文，古吉拉特语，Gurumukhi，卡纳达语，马拉雅拉姆语，奥里亚语，泰米尔语，泰卢固语，乌尔都语和罗马。实验是在块级进行的四叉树分解方法的基础上，并使用六个不同的知名分类器进行评估。最后，最好的识别准确率为96.86%的多层感知器（MLP）分类器的3倍交叉验证水平-2分解。结果有助于建立本方法的手写体印度文字分类的有效性
2020-09-16 cs.CV cs.LG
Offline Handwritten MODI Character Recognition Using HU, Zernike Moments and Zoning
HOCR的英文缩写是Handwritten光学字符识别。HOCR是从文档的数字图像中识别不同手写字符的过程。手写体字符自动识别吸引了国内外众多学者的研究，并将其作为手写体字符识别领域的研究热点。形状识别和特征提取是任何字符识别系统中非常重要的部分，并且方法的成功高度依赖于特征的选择。然而，特征提取是尽可能精确和唯一地定义字符形状的最重要步骤。这确实是最重要的一步，也是最复杂的任务，并且通过使用不变性而取得了成功，而不管位置和方向。Zernike矩描述了形状，由于它的非线性特性，识别旋转不变量。MODI是印度的一种古老的手写体，具有草书和复杂的字符表示。本文介绍的工作效率Zernike矩Hu 7矩与分区的手写MODI字符的自动识别。本文使用离线方法，因为MODI脚本非常流行，并广泛用于写作目的，直到19世纪才正式采用Devanagari。
2014-10-27 cs.CV
UniLipi: A Unified Multi-Script OCR for Historical Indic Manuscripts
International Institute of Information Technology Hyderabad（国际信息技术研究所海得拉巴分校）；Gitam（吉塔姆大学）
UniLipi是面向印度历史手稿的统一多脚本OCR模型，可处理复杂手稿场景，利用合成数据减少真实标注依赖，还可作为基础模型适配多类脚本，支持手稿编目。
2026-08-31 cs.CV
An MLP based Approach for Recognition of Handwritten `Bangla' Numerals
MCKV Institute of Engineering（MCKV工程学院）；Jadavpur University（贾达普大学）
这里提出的工作涉及到设计一个多层感知器（MLP）为基础的模式分类识别手写孟加拉数字使用76元素的特征向量。孟加拉语是印度次大陆第二受欢迎的文字和语言，也是世界第五受欢迎的语言。为表示手写孟加拉语数字而开发的功能集包括24个阴影功能、16个形心功能和36个运行时间最长的功能。在6000个样本的数据库的实验中，该技术产生了96.67%的平均识别率评估后，三倍交叉验证的结果。它适用于与手写孟加拉数字OCR相关的应用程序，也可以扩展到包括孟加拉字母的手写字符OCR。
2012-03-05 cs.AI cs.CV
Handwritten Bangla Alphabet Recognition using an MLP Based Classifier
MCKV Institute of Engineering（MCKV工程学院）；Jadavpur University（贾达普大学）
这里介绍的工作涉及到设计的多层感知器（MLP）为基础的分类识别手写孟加拉语字母表使用76个元素的功能集孟加拉语是第二个最流行的脚本和语言在印度次大陆和第五个最流行的语言在世界上。为表示孟加拉字母的手写字符而开发的特征集包括24个阴影特征、16个质心特征和36个最长运行特征。实验结果表明，在训练集和测试集上的识别率分别为86.46%和75.05%。这项工作在开发一个完整的手写孟加拉语文本OCR系统中具有实用价值。
2012-03-05 cs.AI cs.CV
Devanagari Handwritten Character Recognition Using TrOCR: A Transformer-Based Model with Real-Time Web Deployment
Vellore Institute of Technology（韦洛尔理工学院）
本文通过微调TrOCR模型实现天城文手写字符识别，达到96.05%准确率，并开发了低延迟Web应用，优于CNN模型。
2026-09-29 cs.CV
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
Design and Development of a Framework For Stroke-Based Handwritten Gujarati Font Generation
Babu Madhav Institute of Information Technology, Uka Tarsadia University（乌卡·塔萨迪亚大学巴布·马德哈夫信息技术学院）
本文提出一种基于笔画规则的手写古吉拉特语字体生成框架，可由少量样例生成完整字体，并通过主观与OCR实验验证其有效性。
2024-04-04 cs.CV
Persian Handwritten Digit, Character and Word Recognition Using Deep Learning
University of Tabriz（大不里士大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；University of Tartu（塔尔图大学）
在当今的商业环境中，针对特定脚本的数字、字母和单词识别具有各种应用。然而，只有有限数量的相关研究涉及波斯文字。在本文中，通过各种DensNet架构利用深度神经网络，以及Xception，通过数据增强和测试时间增强来采用，修改和进一步增强，以便提出一种光学字符识别，说明波斯语和相应笔迹的特殊性。利用将数据库划分为训练集、验证集和测试集以及k折交叉验证，基于HODA和Sadri数据库执行所提出的方法与各种最先进的替代方案的比较，HODA和Sadri数据库提供了最全面的样本集合，包括不同人类所拥有的各种手写风格，以及每个字母可能采用的不同形式，这取决于它在单词中的位置。在HODA数据库上，我们对数字和字符的识别率分别为99.72%和89.99%，对Sadri数据库中的数字、字符和单词的识别率分别为99.72%、98.32%和98.82%。
2020-11-14 cs.CV
BADAM: A Public Dataset for Baseline Detection in Arabic-script Manuscripts
Université PSL（巴黎文理研究大学）；University of Maryland（马里兰大学）
手写体文本识别在历史文献中的应用高度依赖于准确的文本行检索。最近出现了一些利用强大的基线检测范式的系统，但由于缺乏包括非拉丁字母作品在内的完善的数据集，挑战性脚本的布局分析方法的进步受到阻碍。我们提出了一个数据集的400个注释的文档图像从不同的领域和时间段。本文简要阐述了阿拉伯文字手写体对版面分析和后续处理步骤提出的特殊挑战。最后，我们提出了一种基于完全卷积编码器-解码器网络的方法，从手稿中提取任意形状的文本行图像。
2019-07-09 cs.CV
Transfer Learning for Scene Text Recognition in Indian Languages
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
低资源印度语言中的场景文本识别具有挑战性，因为它具有多种脚本，字体，文本大小和方向等复杂性。在这项工作中，我们研究了迁移学习对从英语到两种常见印度语言的深度场景文本识别网络的所有层的影响。我们在传统的CRNN模型和STAR-Net上进行实验，以确保泛化能力。为了研究不同脚本中的变化的影响，我们首先在使用Unicode字体呈现的合成单词图像上运行我们的实验。我们表明，英语模型的印度语言的简单的合成数据集的转移是不切实际的。相反，我们建议在印度语言之间应用迁移学习技术，因为它们的n元语法分布和视觉特征（如元音和合取字符）具有相似性。然后，我们研究了六种印度语言之间的迁移学习，这些语言在字体和字长统计方面具有不同的复杂性。我们还表明，从其他印度语言转移的模型的学习功能在视觉上更接近（有时甚至更好）的个人模型功能比从英语转移。我们最终为IIIT-ILST的印地语，泰卢固语和马拉雅拉姆语数据集以及MLT-17的孟加拉语数据集的场景文本识别设定了新的基准，与以前的作品相比，单词识别率（WRR）分别提高了6%，5%，2%和23%。我们通过在我们的模型中插入一个新的校正BiLSTM来进一步改进MLT-17 Bangla结果。我们还发布了一个包含500个古吉拉特语和2535个泰米尔语单词的大约440个场景图像的数据集。在MLT-19印地语和孟加拉语数据集以及古吉拉特语和泰米尔语数据集上，WRR比基线…
2022-01-10 cs.CV
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
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
Localisation of Numerical Date Field in an Indian Handwritten Document
Institute of Engineering and Management（工程与管理学院）
本文介绍了一种方法，以本地化所有这些领域可能构成的日期字段在一个印度手写的文件。空间模式的日期字段的研究，从各种手写的文件和算法的开发，通过统计分析，以确定这些连接的组件可能构成的日期。印度遵循的常见日期模式被认为是将日期格式分为不同类别。报告的结果表明，所提出的方法有前途的性能
2012-11-09 cs.CV
A comparative study of complexity of handwritten Bharati characters with that of major Indian scripts
我们介绍了Bharati，一个简单的，新颖的脚本，可以代表大多数当代印度脚本的字符。Bharati字符的形状/图案是从现有的印度脚本的一些最简单的字符绘制的。婆罗蒂文字的设计严格反映了基本的语音组织，从而赋予了文字简单、熟悉、易于习得和使用的特点。因此，采用印度语作为大多数印度语言的通用脚本可以改善印度现有的几个通信瓶颈。我们进行了一个复杂性分析的手写体婆罗蒂脚本，并比较其复杂性与9个主要的印度脚本。复杂性的措施是来自手写字符的突变理论的基础上的理论。在大多数复杂性的衡量标准中，婆罗蒂文字被证明比9种主要的印度文字简单。
2016-09-29 cs.CV
Improving Amharic Handwritten Word Recognition Using Auxiliary Task
Arba Minch University（阿尔巴明奇大学）；Ministry of Innovation and Technology, Federal Democratic Republic of Ethiopia（埃塞俄比亚联邦民主共和国创新与技术部）
阿姆哈拉语是埃塞俄比亚联邦民主共和国的官方语言之一。它是一种使用源自Gee'z（古代和现在的礼拜语言）的古罗马文字的语言之一。阿姆哈拉语也是埃塞俄比亚最广泛使用的文学语言之一。在阿姆哈拉语光学字符识别（OCR）和阿姆哈拉语手写文本识别方面，创新和定制的研究工作非常有限。在这项研究中，阿姆哈拉语手写字识别将进行调查。最先进的深度学习技术，包括卷积神经网络以及循环神经网络和连接时间分类（CTC）损失，用于以端到端的方式进行识别。更重要的是，一个创新的方式来补充损失函数使用辅助任务从阿姆哈拉字母表的行方向的相似性进行了测试，以显示一个显着的识别改进的基线方法。这些研究结果将促进创新的具体问题的解决方案，以及将开放的洞察力，从具体问题的领域出现的一般性解决方案。
2022-02-25 cs.CV
Psychological stress during Examination and its estimation by handwriting in answer script
Department of Physics, IIT Roorkee（印度理工学院鲁尔基分校物理系）
本研究融合笔迹学与人工智能，通过分析手写答题卷量化考试心理压力，整合图像处理、TrOCR和基于RoBERTa的情感熵融合生成压力指数，经五模型投票和异常检测实现鲁棒性，为学术取证提供创新框架。
2025-11-08 cs.CV
TEXTRON: Weakly Supervised Multilingual Text Detection through Data Programming
IIT Bombay（印度理工学院孟买分校）
针对多语言文本检测标注数据稀缺的问题，提出基于数据编程的弱监督框架TEXTRON，结合预训练深度学习模型与计算机视觉方法，在缺乏标注数据的情况下显著提升了印度语系尤其是手写Devanagari文本的检测性能。
2024-02-15 cs.CV
Kannada Character Recognition System A Review
M. S. Ramaiah Institute of Technology（M. S. 拉迈亚理工学院）
在过去的几十年里，人们对光学字符识别ocr进行了深入的研究，并发表了大量的论文。现在市场上有许多商业OCR系统，但这些系统大多适用于罗马，中文，日语和阿拉伯语字符。在印度的12种主要文字中，没有足够数量的关于印度语言字符识别的作品，特别是卡纳达语。本文介绍了现有的工作，印刷卡纳达文和他们的结果。详细讨论了卡纳达文的特点和卡纳达文字符识别系统kcr。最后提出在分类器级进行融合以提高识别精度。
2010-01-29 cs.CV
Invizo: Arabic Handwritten Document Optical Character Recognition Solution
Egypt-Japan University of Science and Technology（埃及-日本科学技术大学）
Invizo提出一种结合CNN特征提取与Transformer序列建模的端到端阿拉伯语OCR方案，可同时处理手写、印刷文本和数字，在检测与识别任务上均取得实用性能。
2025-02-07 cs.CV
A review on handwritten character and numeral recognition for Roman, Arabic, Chinese and Indian scripts
Universiti Teknologi Malaysia（马来西亚理工大学）
近四十年来，人们对手写体字符识别进行了大量深入的研究。对一些流行的文字，如罗马文、阿拉伯文、中文和印度文进行了研究。在本文中，我们提出了一个审查HCR工作的四个流行的脚本。我们总结了从2005年到最近发表的大部分论文，并分析了创建鲁棒HCR系统的各种方法。最后，对HCR的未来研究方向进行了展望。
2013-08-22 cs.CV
An Ensemble of Neural Networks for Non-Linear Segmentation of Overlapped Cursive Script
Al Yamamah University（亚玛马大学）
精确的字符分割是提高光学字符识别（OCR）准确度的唯一解决方案。在草书中，由于传统的线性分割策略将字符从其可区分的部分中剥离出来，因此重叠字符是字符分割过程中的一个严重问题。因此，非线性分割是避免字符部分丢失和提高字符/手写体识别准确性的迫切需要。提出了一种改进的手写体罗马字母重叠字符非线性分割方法。该技术是由一系列的启发式规则的基础上的字符的几何特征来定位可能的非线性字符边界在一个草书字。然而，为了提高效率，启发式方法与训练的集成神经网络验证策略相结合，用于字符边界的验证。因此，基于集成神经网络投票，正确的边界被保留并且不正确的边界被移除。最后，基于验证的有效分割点，字符进行非线性分割。为了公平的比较CEDAR基准数据库进行了实验。实验结果表明，该方法比传统的线性字符分割方法具有更好的分割效果。与单个神经网络相比，嵌入式神经网络在提高字符分割精度方面发挥了重要作用。
2019-04-07 cs.CV
Morphological Reconstruction for Word Level Script Identification
Gulbarga University（古尔伯加大学）
双语文档页面的一行可以包含区域语言的文本单词和英语的数字。对于这样的文档页面的光学字符识别（OCR），在运行单个OCR系统之前必须识别不同的脚本形式。在本文中，我们已经确定了一个工具的形态开放重建的图像在不同的方向和区域描述符的脚本识别在字的水平，根据观察，每一个文本有一个独特的视觉外观。建议的系统开发的三个印度主要的双语文件，卡纳达语，泰卢固语和Devnagari包含英语数字。采用最近邻和k-最近邻算法对新词图像进行分类。该算法在2625个具有各种字体风格和大小的单词上进行了测试。所取得的成果相当令人鼓舞
2011-07-04 cs.CV
A Scalable Handwritten Text Recognition System
Google Research（谷歌研究院）
许多关于（离线）手写文本识别（HTR）系统的研究都集中在建立小型语料库上的行识别模型。然而，将HTR功能添加到大规模多语言OCR系统中提出了新的挑战。本文讨论了构建此类系统的三个问题：数据、效率和集成。首先，最大的挑战之一是获得足够数量的高质量训练数据。我们解决了这个问题，使用在线手写数据收集的大规模生产在线手写识别系统。我们描述了我们的图像数据生成管道，并研究如何使用在线数据来构建HTR模型。我们表明，数据改善模型显着的条件下，只有少量的真实图像是可用的，这通常是HTR模型的情况下。它使我们能够以更低的成本支持新脚本。其次，提出了一种基于无递归连接的神经网络的直线识别模型。该模型实现了与基于LSTM的模型相当的准确性，同时允许在训练和推理中更好的并行性。最后，我们提出了一个简单的方法来集成HTR模型到OCR系统。这些构成了将HTR能力引入大规模OCR系统的解决方案。
2019-06-14 cs.CV
Development of a multi-user handwriting recognition system using Tesseract open source OCR engine
Techno India College of Technology（Techno India 技术学院）；Jadavpur University（Jadavpur 大学）
本文的目的是在Apache License 2.0下使用Tesseract开源光学字符识别（OCR）引擎识别小写罗马字母的手写样本。从不同的用户收集手写的数据样本，其中包含孤立和自由流动的文本。Tesseract使用两种文档页面类别的用户特定数据样本进行训练，以生成表示唯一语言集的单独用户模型。每个这样的语言集识别从指定用户收集的孤立的和自由流动的手写测试样本。在一个三用户模型上，系统分别用从三个不同用户收集的1844、1535和1113个孤立的手写字符样本进行训练，并分别在从三个用户的测试集收集的1133、1186和1204个字符样本上进行性能测试。用户特定字符水平的准确率分别为87.92%，81.53%和65.71%。该系统的整体字符级准确率为78.39%。在整个数据集上，系统未能分割10.96%的字符，错误分类10.65%的字符。
2010-03-30 cs.CV
Arabic Handwritten Document OCR Solution with Binarization and Adaptive Scale Fusion Detection
Egypt-Japan University of Science & Technology（埃及-日本科学技术大学）；Benha University（本哈大学）
提出融合可微二值化、自适应尺度融合行检测与 CNN-BiLSTM-CTC 识别的阿拉伯文手写 OCR 流程，在 AMFDS 上取得高识别率并建立新基准。
2024-12-02 cs.CV
Two Decades of Bengali Handwritten Digit Recognition: A Survey
Islamic University of Technology（伊斯兰科技大学）
本文综述二十年来离线孟加拉语手写数字识别的数据集、方法、挑战与现实应用，为后续研究提供参考。
2022-09-25 cs.CV
Statistical Texture Features based Handwritten and Printed Text Classification in South Indian Documents
Karnatak Arts, Science and Commerce College（卡纳塔克艺术、科学与商业学院）；INRIA Nancy-Grand Est（法国国家信息与自动化研究所南锡-大东部分部）；LORIA（洛林计算机科学及其应用研究所）
在本文中，我们使用统计纹理特征的手写和印刷文本分类。我们的主要目标是在南印度脚本字级分类。首先从扫描的文档中提取单词。对于每个提取的词，统计纹理特征，如平均值，标准差，平滑度，矩，均匀性，熵和局部范围，包括局部熵计算。然后，这些特征向量被用来通过k-NN分类器对单词进行分类。我们已经在几个不同的数据集上验证了该方法。像卡纳达语，泰卢固语，马拉雅拉姆语和印地语，梵文主要用于达到99.26%的平均分类率。此外，为了提供该方法的可扩展性，我们通过使用公开的数据集来处理罗马脚本，并报告了有趣的结果。
2013-03-13 cs.CV
Gaussian Mixture Model for Handwritten Script Identification
本文提出了一种高斯混合模型（GMM）来识别手写体文字的罗马，梵文，卡纳达语和泰卢固语脚本。强调了方向能量对识别文字的重要性。它对不同的图像大小和不同的写作风格都很强大。一个GMM建模使用一组六个新的功能来自底层图像的方向能量分布。通过将图像矩阵分解为右对角线和左对角线来计算方向能量分布的标准偏差。此外，能量的水平和垂直分布的偏差也内置于GMM。800个图像中的400个图像的数据集（每个脚本200个）用于训练GMM，其余的用于测试。在二、三、多文水平上进行了详尽的实验，分别取得了98.7%、98.16%和96.91%的识别率。
2013-03-12 cs.CV
Handwritten Character Recognition In Malayalam Scripts- A Review
Rajagiri School of Engineering & Technology（拉贾吉里工程技术学院）
手写体字符识别是模式识别领域中最具挑战性和正在进行的研究领域之一。对于汉语和日语等外语来说，HCR研究已经成熟，但对于印度语言来说，问题要复杂得多。对于南印度语言，由于其庞大的字符集以及元音修饰符和复合字符的存在，这个问题变得更加复杂。本文概述了马拉雅拉姆语手写体字符识别在离线和在线方面的重要贡献和进展。
2014-02-10 cs.CV
Handwritten Text Recognition for Low Resource Languages
Indian Institute of Technology Roorkee（印度理工学院罗尔基学院）；Faculty of Science and Engineering（科学与工程学院）
本文提出BharatOCR，一种无需分段的段落级手写印地语和乌尔都语文本识别系统，通过ViT-Transformer Decoder-LM架构提升识别准确率和流畅性。
2025-12-01 cs.CV
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
Handwriting Recognition in Historical Documents with Multimodal LLM
针对历史手写文献OCR难度大、现有Transformer模型依赖人工标注且泛化性差的问题，本文评估了多模态大模型Gemini的手写文档转录准确率，并与当前最优Transformer方法做对比。
2024-10-31 cs.CV
Deep learning for word-level handwritten Indic script identification
Jadavpur University（贾达普大学）；Aliah University（阿里亚大学）；The University of South Dakota（南达科他大学）；West Bengal State University（西孟加拉邦立大学）
我们提出了一种新的方法，使用卷积神经网络（CNN）的特征提取。不仅限于传统的空间域表示，我们使用多级二维离散Haar小波变换，其中图像表示被缩放到各种不同的大小。然后，这些用于训练不同的CNN以选择特征。准确地说，我们使用10个不同的CNN来选择一组10240个特征，即1024/CNN。这样，识别出11种不同的手写体脚本，其中每个脚本使用1 K个单词。在我们的测试中，我们已经取得了94.73%的最大脚本识别率使用多层感知器（MLP）。我们的结果优于最先进的技术。
2018-01-05 cs.CV
Urdu Katib Handwritten Dataset: A Historical Document Dataset for Offline Urdu Handwritten Text Recognition with CRNN-Based Baseline Evaluation
Department of Computer Science, University of Gujrat（瓜尔杰特大学计算机科学系）
为解决乌尔都语手写文本识别中数据集稀缺的问题，本文提出了首个由历史时期Katib书写的离线乌尔都语手写文本行数据集UKHD，并评估了多种CRNN混合模型，其中CNN-BGRU-CTC在字符错误率和词错误率上表现最优。
2026-06-18 cs.CL cs.CV
A Dataset of Inertial Measurement Units for Handwritten English Alphabets
IIT (BHU) Varanasi（印度理工学院（巴纳拉斯印度教大学）瓦拉纳西分校）
本文利用惯性测量单元采集印度多样化书写风格下的手写英文字母数据集，并通过端到端方法提升识别准确率，为多语言文化背景下的手写识别研究提供数据与系统支持。
2023-07-05 cs.CV
Online Handwritten Devanagari Stroke Recognition Using Extended Directional Features
University of Calicut（卡利卡特大学）；Tata Consultancy Services Limited（塔塔咨询服务有限公司）
本文介绍了一种新的特征集，称为扩展方向特征（EDF）用于在线手写笔画识别。我们专门使用EDF来识别笔画，这些笔画构成了生成梵文脚本的基础，梵文脚本是使用最广泛的印度语言脚本。应当注意，手写体中的笔划识别相当于语音信号中的音素识别，并且通常非常差，对于歌唱声为20%的量级。实验进行了自动识别孤立的手写笔划。首先，我们描述了建议的功能集，即EDF，然后显示如何有效地利用这个功能，通过笔划识别作家独立的脚本识别。实验结果表明，扩展的方向特征集表现良好，约65+%的笔画水平识别准确率为作者无关的数据集。
2015-01-11 cs.CV
Recognition of Offline Handwritten Devanagari Numerals using Regional Weighted Run Length Features
Jadavpur University（贾达布尔大学）
手写体罗马字符和数字的识别在过去的几十年里得到了广泛的研究，其准确性达到了令人满意的状态。但是，在谈论印度最受欢迎的文字之一的梵文脚本时，情况就不同了。本文提出了一个高效的手写梵文数字识别系统。该系统使用了一种新的196元素的掩模定向（MOD）的识别目的的功能。该方法进行了测试，使用5个传统的分类器上6000个手写数字样本。在应用3折交叉验证方案，该系统产生最高的识别准确率为95.02%，使用支持向量机（SVM）分类器。
2018-06-29 cs.CV
Handwritten Devanagari Script Segmentation: A non-linear Fuzzy Approach
MCKV Institute of Engineering（MCKV工程学院）；Cognizant Technology Solutions（高知特信息技术公司）；Jadavpur University（贾达普大学）
针对手写体梵文图像分割技术中存在的一些关键问题，提出了一种提高手写体梵文图像分割精度的方法。在目前的工作中，我们已经开发出一种新的基于特征的方法识别的Matra像素从一个词的图像，设计的非线性模糊隶属函数的标题估计，最后设计的非线性模糊函数识别分割点的Matra。通过当前技术实现的分割准确率为94.8%。这表明在用于当前实验的300字数据集上，性能比以前的技术[1]提高了1.8%。
2015-01-22 cs.CV
MDIW-13: a New Multi-Lingual and Multi-Script Database and Benchmark for Script Identification
本文提出MDIW-13多语言多脚本数据库，含1,135份文档、13,979行和86,655词，覆盖13种脚本，并提供手工及深度学习方法在文档、行、词级别的基准测试结果，以推动脚本识别研究。
2024-05-29 cs.CV
Devanagari Handwritten Character Recognition using Convolutional Neural Network
Malviya National Institute of Technology（马尔维亚国家理工学院）；Birla Institute of Technology（比尔拉理工学院）
本文提出基于双深度卷积神经网络层的天城文手写字符识别方法，利用DHCD数据集进行训练与测试，测试准确率达96.36%，有效提升了识别率并促进了天城文数字化。
2025-07-14 cs.AI cs.CL cs.CV
Spatial Domain Feature Extraction Methods for Unconstrained Handwritten Malayalam Character Recognition
P M Government College（P M 政府学院）
手写体字符识别是一项积极的研究挑战，特别是对于印度文字。本文涉及手写马拉雅拉姆语，一套完整的基本字符，元音和辅音符号和复合字符，可能会出现在脚本。在这项工作中，选择适合识别的空间域特征。在分类方面，采用了k-NN、SVM和ELM
2021-09-05 cs.CV
On-line Handwritten Devanagari Character Recognition using Fuzzy Directional Features
Tata Consultancy Services（塔塔咨询服务公司）
本文提出了一种新的基于模糊方向特征的手写梵文字符识别方法。实验进行了孤立的手写字符基元（子字符单元）的自动识别。最初，我们描述了拟议的功能集，称为模糊方向特征（FDF），然后显示如何有效地利用这些功能，作家独立的字符识别。实验结果表明，FDF集对书写者无关的数据集在笔划级识别上有较好的效果。本文的主要贡献是引入了一种新的特征集，并通过实验建立了它在手写体梵文字母识别中的能力。
2015-04-07 cs.CV
Indic Handwritten Script Identification using Offline-Online Multimodal Deep Network
Nanyang Technological University（南洋理工大学）；University of Surrey（萨里大学）；Institute of Engineering & Management（工程与管理学院）；Jadavpur University（贾达普大学）；Indian Institute of Technology, Roorkee（印度理工学院鲁尔基分校）；Indian Statistical Institute（印度统计研究所）
在本文中，我们提出了一种新的方法，词级的印度文字识别仅使用字符级的数据在训练阶段。在第一节中已经概述了使用字符级数据进行训练的优点。我们的方法使用多模态深度网络，该网络将数据的离线和在线模态作为输入，以便共同探索来自这两种模态的信息，用于脚本识别任务。我们把手写体数据中的任何一种模态作为输入，通过模态间转换生成相反的模态。此后，我们将这个离线-在线模态对馈送到我们的网络。因此，除了利用来自两种模态的信息的优点之外，它还可以同时用作离线和在线脚本识别的单个框架，这表明需要为单独的模态设计两个单独的脚本识别模块。另一个主要的贡献是，我们提出了一种新的条件多模态融合计划，结合离线和在线模态的信息，考虑到真正的起源的数据被馈送到我们的网络，因此它结合自适应。一个详尽的实验已经做了一个数据集，包括英语和六个印度语脚本。我们提出的框架明显优于基于传统分类器以及手工特征和基于深度学习的方法的不同框架，具有明显的优势。大量的实验表明，在我们的框架中，仅使用字符级训练数据可以实现与使用单词级数据进行传统训练所获得的性能类似的最新性能。
2019-10-15 cs.CV
Rethinking Handwritten Character Recognition
Kathmandu University（加德满都大学）
提出GraphemeNet，通过持久支架注入和笔画拓扑模块显式编码文字几何结构，在14个基准上超越基线，验证了结构先验效率原则。
2026-09-11 cs.CV eess.IV
IndicSTR12: A Dataset for Indic Scene Text Recognition
International Institute of Information Technology, Hyderabad（国际信息技术研究所（海得拉巴））；Centre for Vision Information Technology（视觉信息技术中心）
针对印度语言场景文本识别数据集缺乏的问题，提出最大最全面的IndicSTR12数据集，覆盖12种语言超27000个单词图像，并提供PARSeq、CRNN、STARNet基线。
2024-03-12 cs.CV
CALText: Contextual Attention Localization for Offline Handwritten Text
University of the Punjab（旁遮普大学）
识别波斯语和乌尔都语等类似阿拉伯语的文字比识别拉丁文字更具挑战性。这是由于二维结构的存在，上下文相关的字符形状，空格和重叠，以及变音符号的放置。对离线手写乌尔都语的研究并不多，乌尔都语是世界上第十大使用语言。我们提出了一个基于注意力的编码器-解码器模型，学习阅读乌尔都语的上下文。引入了一种新的局部化惩罚，以鼓励模型在识别下一个字符时一次只参加一个位置。此外，我们在地面实况注释方面全面完善了唯一完整且公开可用的手写乌尔都语数据集。我们在乌尔都语和阿拉伯语数据集上对该模型进行了评估，结果表明，上下文注意力定位优于简单注意力和多方向LSTM模型。
2021-11-06 cs.CV cs.LG cs.NE
Rapid Feature Extraction for Optical Character Recognition
North South University（北南大学）；Independent University Bangladesh（孟加拉国独立大学）；City University of Hong Kong（香港城市大学）
特征提取是字符识别的基本问题之一。字符识别系统的性能取决于正确的特征提取和正确的分类器选择。本文提出了一种快速的特征提取方法--Celled Projection（CP）方法。所提出的方法的识别性能进行了比较与其他广泛使用的特征提取方法，深入研究了许多不同的脚本在文献中。实验已经进行了使用孟加拉语手写数字与三个不同的知名的分类，表现出可比的结果，包括94.12%的识别精度，使用细胞投影。
2012-06-01 cs.CV
