Recognition of Handwritten Roman Script Using Tesseract Open source OCR Engine
Techno India College of Technology（Techno India 技术学院）；Jadavpur University（jadavpur 大学）
在目前的工作中，我们已经使用Tesseract 2.01开源光学字符识别（OCR）引擎下的Apache许可证2.0识别的手写样本的小写罗马脚本。从多个用户收集手写的孤立和自由流动的文本样本。Tesseract经过训练，可以识别这两类文档页面的用户特定手写样本。在一个单一的用户模型上，系统用1844个孤立的手写字符进行训练，并在1133个字符上进行测试。该系统的整体字符级的准确度为83.5%。系统未能分割5.56%的字符，错误分类10.94%的字符。
2010-03-30 cs.CV
Bridging the Gap: Fusing CNNs and Transformers to Decode the Elegance of Handwritten Arabic Script
University of Algiers（阿尔及尔大学）
针对手写阿拉伯文字识别难点，本文提出融合CNN与Transformer的混合方法，通过基于置信度的集成模型在IFN/ENIT数据集上取得高准确率，推动了OCR系统的实际应用。
2025-03-19 cs.CV
Handwritten Urdu Character Recognition using 1-Dimensional BLSTM Classifier
King Saud Bin Abdul Aziz University for Health Sciences（沙特·本·阿卜杜勒阿齐兹国王健康科学大学）；Hazara University（哈扎拉大学）；Higher Education Department, KPK（开伯尔-普赫图赫瓦省高等教育部）；COMSATS Institute of Information Technology（COMSATS 信息技术学院）
草书由于其表现形式的多样性，被认为是光学字符识别中的一项精细任务。每一种草书都有不同的性质和相关的挑战。由于乌尔都语是一种源于阿拉伯文字的草书语言，这就是为什么它几乎面临同样的挑战和困难。我们可以根据他们使用的脚本将乌尔都语和阿拉伯语分类。乌尔都语主要是以Nastaliq风格书写，而阿拉伯语则遵循Naskh风格。本文介绍了新的和全面的乌尔都语手写离线数据库名称乌尔都-Nastaliq手写数据集（UNHD）。目前，还没有标准和全面的乌尔都语手写数据集可供研究人员公开使用。所获得的数据集涵盖了500名作家在A4大小的纸上用自然笔迹书写的常用连字。我们使用递归神经网络进行了实验，并报告了手写乌尔都语字符识别的显着准确性。
2017-05-15 cs.CV
A BLSTM Network for Printed Bengali OCR System with High Accuracy
Society for Natural Language Technology Research（自然语言技术研究协会）；Techno India University（Techno印度大学）
本文介绍了一个打印孟加拉语和英语文本OCR系统，我们使用一个单一的隐藏BLSTM-CTC架构有128个单元。在这里，我们没有在BLSTM中使用任何窥视孔连接和辍学，这有助于我们获得更好的准确性。这个架构由47，720个文本行训练，其中也包括英语单词。当测试超过20种不同的孟加拉字体时，它产生了99.32%的字符级准确率和96.65%的单词级准确率。一个很好的印度多脚本OCR系统也是由谷歌开发的。它有时会将孟加拉语的字符识别为非孟加拉语脚本的相同字符，特别是阿萨姆语，除了少数字符外，阿萨姆语与孟加拉语没有区别。例如，孟加拉语的“RA”有时被认为是阿萨姆语的，主要是在联合辅音形式中。我们的OCR没有此类错误。此OCR系统可在https://banglaocr.nltr.org上在线获得
2019-08-23 cs.CL cs.CV cs.LG
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
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
BeHGAN: Bengali Handwritten Word Generation from Plain Text Using Generative Adversarial Networks
Department of CSE, Ahsanullah University of Science and Technology, Bangladesh（阿斯南大学科学与技术学院）；Enosis Solutions, Bangladesh（恩osis解决方案有限公司）；Smart Technologies BD Ltd.（智能技术BD有限公司）；Therap BD Ltd.（疗法BD有限公司）；Department of CSE, BRAC University, Bangladesh（布拉克大学计算机科学与工程学院）
本文提出BeHGAN方法，通过生成对抗网络从普通文本生成孟加拉语手写词，填补了该领域研究的空白。
2025-12-25 cs.AI 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
Ancient but Digitized: Developing Handwritten Optical Character Recognition for East Syriac Script Through Creating KHAMIS Dataset
University of Kurdistan Hewlêr（库尔德斯坦大学赫勒校区）
本文针对濒危的东叙利亚文，创建了包含624句手写句子的KHAMIS数据集，并以此微调Tesseract-OCR引擎的预训练模型，成功开发了手写OCR模型，其测试集表现比默认模型好两倍。
2024-08-24 cs.CL 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
AI Learns to Recognize Bengali Handwritten Digits: Bengali.AI Computer Vision Challenge 2018
Apurba Technologies（阿普尔巴科技公司）
在孟加拉国和孟加拉语社区，以竞争的方式解决人工智能问题的做法长期以来一直没有出现。另一方面，还没有一个结构良好的孟加拉文手写数字数据库供大众使用。为了吸引机器学习领域的精英，并利用他们的专业知识创建一个可以轻松识别孟加拉语手写数字的模型，我们组织了孟加拉语.人工智能计算机视觉挑战赛。该挑战赛吸引了本地和国际团队参与，他们付出了前所未有的努力。
2018-10-10 cs.CV
Handwritten Arabic Numeral Recognition using a Multi Layer Perceptron
Techno India（泰克诺印度学院）；Jadavpur University（贾达普大学）
手写体数字识别是模式识别和人工智能领域的一个基准问题。与印刷体数字识别问题相比，手写体数字识别问题由于手写体字符的形状和大小的变化而变得复杂。考虑到所有这些，手写体数字识别的问题是解决在目前的工作中，关于手写体阿拉伯数字。阿拉伯语是整个阿拉伯世界的语言，也是世界上第五大最受欢迎的语言，仅次于葡萄牙语和孟加拉语。对于目前的工作，我们已经开发了一个功能集的88个功能，旨在代表样本的手写阿拉伯数字这项工作。它包括72个阴影和16个八分圆特征。一个多层感知器（MLP）为基础的分类器在这里用于识别手写体阿拉伯数字表示的上述特征集。在3000个样本的数据库的实验中，该技术产生了94.93%的平均识别率评估后，三倍交叉验证的结果。它适用于与手写阿拉伯数字OCR相关的应用程序，也可以扩展到包括阿拉伯字母手写字符的OCR。
2010-03-09 cs.CV
Topographic Feature Extraction for Bengali and Hindi Character Images
Indian Institute of Technology, Kharagpur（印度理工学院克勒格布尔分校）
特征选择和提取在人脸识别、签名验证、光学字符识别（OCR）等基于不同分类的问题中起着重要的作用。OCR的性能在很大程度上取决于特征集的正确选择和提取。在本文中，我们提出了新的功能的基础上，从不同的观看方向上的二维平面上可见的字符的地形。所谓构形，是指笔画的结构特征及其空间关系。在这项工作中，我们开发的地形特征，从不同的方向（如北，南，东，西）的意见可见的笔画。我们考虑三种类型的地形特征：封闭区域，凸性的笔画，和直线笔画。这些特征被表示为一个基于形状的图，作为一个不变的特征集，用于区分非常相似的类型字符有效。我们已经测试了印刷和手写孟加拉语和印地语字符图像所提出的方法。初步结果表明，我们的方法的有效性。
2011-07-14 cs.CV
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
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
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
Bengali Document Layout Analysis -- A YOLOV8 Based Ensembling Approach
针对孟加拉语文档布局分析难题，本文提出基于 YOLOv8 的两阶段集成与后处理方法，结合数据增强和全量微调，在 BaDLAD 上优于单一基础模型。
2025-09-29 cs.CV cs.LG
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
NumtaDB - Assembled Bengali Handwritten Digits
Bangladesh University of Engineering & Technology（孟加拉国工程技术大学）
为了对孟加拉数字识别算法进行基准测试，需要一个大型的公开数据集，该数据集不受地理位置，性别和年龄的影响。考虑到这一目标，NumtaDB是一个由85，000多张手写孟加拉数字图像组成的数据集。本文记录了数字的收集和管理过程以及数据集的显著统计数据。
2018-06-06 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
BanglaWild: An In-the-Wild Bengali Scene Text Recognition Benchmark for OCR and Vision-Language Models
研究发现现有孟加拉语场景文本识别基准的不足，推出含2535张图像的BanglaWild基准，评估15个VLMs和3个OCR系统等，揭示视觉误识别为主要错误来源等结论，代码数据将公开。
2026-08-05 cs.CL cs.CV
Bengali Document Layout Analysis with Detectron2
Shahjalal University of Science and Technology（沙赫贾拉尔科技大学）
针对孟加拉语DLA数据集匮乏、相关模型准确率不足的问题，研究人员基于Detectron2库的Mask R-CNN系列模型，在BaDLAD数据集上验证了不同变体及PubLayNet预训练权重的效果，拓展了该类模型在孟加拉语文档场景的适用性。
2023-08-26 cs.CV cs.LG
BDNet: Bengali Handwritten Numeral Digit Recognition based on Densely connected Convolutional Neural Networks
University of Gour Banga（古尔邦加大学）；IIEST Shibpur（希布普尔印度工程科学与技术学院）；King Faisal University（费萨尔国王大学）
手写数字图像不同于自然图像，因为数字的方向以及不同数字的特征的相似性使得混淆。另一方面，深度卷积神经网络在计算机视觉问题上取得了巨大的成功，特别是在图像分类方面。BDNet是一个密集连接的深度卷积神经网络模型，用于分类（识别）孟加拉语手写数字。它使用ISI孟加拉手写数字数据集进行端到端训练。在训练过程中，使用非传统的数据预处理和增强技术，以便训练的模型在不同的数据集上工作。该模型在ISI孟加拉手写数字测试数据集上的测试准确率达到99.775%（基线为99.40%）。因此，与以前的最先进模型相比，BDNet模型的错误减少了62.5%。在这里，我们还创建了一个包含1000个孟加拉手写数字图像的数据集来测试训练模型，并给出了有希望的结果。代码，训练模型和我们自己的数据集可在：{https：//github.com/Sufianlab/BDNet}。
2020-03-12 cs.CV
GraDeT-HTR: A Resource-Efficient Bengali Handwritten Text Recognition System utilizing Grapheme-based Tokenizer and Decoder-only Transformer
Computer Science and Engineering, University of Dhaka（计算机科学与工程系，达卡大学）
GraDeT-HTR提出基于字素标记器和仅解码器Transformer的资源高效孟加拉语手写文本识别方法，通过合成数据预训练与真实数据微调，在多个基准上达到最先进性能。
2025-09-22 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
Image Pre-processing on NumtaDB for Bengali Handwritten Digit Recognition
Independent University, Bangladesh（孟加拉国独立大学）
NumtaDB是迄今为止最大的孟加拉语手写数字数据集。这是一个包含超过85000张图像的多样化数据集。但这种多样性也使得这个数据集很难处理。本文的目标是找到预处理图像的基准，它在任何机器学习模型上都具有良好的准确性。原因是，孟加拉数字识别没有可用的预处理数据，无法像MNIST的英语数字那样工作。
2020-08-18 cs.CV cs.LG
HishabNet: Detection, Localization and Calculation of Handwritten Bengali Mathematical Expressions
Ahsanullah University of Science and Technology（阿萨努拉科技大学）；Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）
最近，手写孟加拉字母和数字的识别引起了人工智能社区研究人员的广泛关注。在这项工作中，我们提出了一个基于卷积神经网络（CNN）的目标检测模型，可以识别和评估手写孟加拉语数学表达式。该方法能够检测多个孟加拉数字和操作符，并定位它们在图像中的位置。有了这些信息，它就能够从一系列数字中构造数字，并对它们进行数学运算。对于目标检测任务，使用了最先进的YOLOv3算法。为了训练和评估模型，我们设计了一个新的数据集“Hishab”，这是第一个用于目标检测的孟加拉手写数字数据集。该模型的总体验证平均精度（mAP）为98.6%。此外，在我们的模型中使用的特征提取器骨干CNN的分类准确性在两个公开的孟加拉语手写数字数据集上进行了测试：NumtaDB和CMATERdb。主干CNN在NumtaDB上实现了99.6252%的测试集准确度，在CMATERdb上实现了99.0833%的测试集准确度。
2019-09-02 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
AKHCRNet: Bengali Handwritten Character Recognition Using Deep Learning
Government College of Engineering and Ceramic Technology（政府工程与陶瓷技术学院）
我提出了一种最先进的深度神经架构解决方案，用于孟加拉字母、复合字符以及数字的手写字符识别，仅在11个epoch内就达到了最先进的96.8%的准确率。Chatterjee，Swagato等人之前也做过类似的工作，但他们在大约47个时期内达到了96.12%的准确率。考虑到包含ResNet 50模型的权重，该论文中使用的深度神经架构相当大，ResNet 50模型是一个50层残差网络。与以往的任何工作相比，该模型在少量的时期内实现了更高的精度。ResNet50是在ImageNet数据集上训练的一个很好的模型，但我提出了一个HCR网络，它是在孟加拉语字符上从头开始训练的，没有“包围学习”，可以超越以前的架构。
2020-09-20 cs.CV
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
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
Bengali Handwritten Grapheme Classification: Deep Learning Approach
University of Iowa（爱荷华大学）
尽管孟加拉语是世界上使用最多的语言之一（基于人口的$6^{th}$），但与其他主要语言相比，关于孟加拉语手写体字形（书写系统的最小功能单位）分类的研究尚未得到广泛探索。此外，孟加拉语中大量的字素组合使得这种分类任务非常具有挑战性。为了解决这一研究问题，我们参加了Kaggle竞赛\cite{kaggle_link}，其中的挑战是分别对图像中孟加拉字素的三个组成元素进行分类：字素根，元音变音符号和辅音变音符号。我们探讨了一些现有的神经网络模型，如多层感知器（MLP）和最先进的ResNet50的性能。为了进一步提高性能，我们提出了我们自己的卷积神经网络（CNN）模型孟加拉语字形分类与验证根准确率95.32%，元音准确率98.61%，辅音准确率98.76%。我们还探索了使用VGGNet的区域建议网络（RPN），其设置有限，这可能是未来提高性能的潜在方向。
2021-11-16 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
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
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
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
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
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
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
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
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
Word Searching in Scene Image and Video Frame in Multi-Script Scenario using Dynamic Shape Coding
Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）；Institute of Engineering & Management（工程与管理学院）；Indian Statistical Institute（印度统计研究所）
从自然场景图像和视频帧中检索文本信息是一项具有挑战性的任务，由于其固有的问题，如复杂的字符形状，低分辨率，背景噪声等可用的OCR系统往往无法检索这样的信息在场景/视频帧。关键字定位是一种检索信息的替代方法，在这种情况下可以执行高效的文本搜索。然而，当前的场景/视频图像中的单词识别技术是脚本特定的，并且它们主要是针对拉丁脚本开发的。本文提出了一种新的词发现框架，使用动态形状编码的文本检索自然场景的图像和视频帧。该框架的目的是搜索查询关键字从多个脚本的帮助下，在飞行脚本明智的关键字生成相应的脚本。我们已经使用了两个阶段的词发现方法，使用隐马尔可夫模型（HMM）检测翻译的关键字在一个给定的文本行通过识别行的脚本。一种新的无监督的动态形状编码为基础的计划已被用来组相似的形状字符，以避免混淆，并提高文本对齐。接下来，假设的位置进行验证，以提高检索性能。为了评估所提出的系统从自然场景图像和视频帧中搜索关键字，我们考虑了两个流行的印度语脚本，如孟加拉语（孟加拉语）和梵文以及英语。受印度语脚本中的逐区识别方法的启发[1]，逐区文本信息已用于改善印度语脚本中的传统单词定位性能。对于我们的实验，考虑了由不同场景的图像和英语，孟加拉语和梵文脚本的视频帧组成的数据集。实验结果表明了我们提出的单词识别方法的有效性。
2018-07-30 cs.CV cs.IR
Multichannel Attention Networks with Ensembled Transfer Learning to Recognize Bangla Handwritten Charecter
Bangladesh Army University of Science and Technology (BAUST)（孟加拉国陆军科技大学）；University of Aizu（会津大学）；Pabna University of Science and Technology（pabna 科技大学）
针对孟加拉手写字符识别难题，提出结合Inception Net和ResNet的集成迁移学习与多通道注意力网络，在CAMTERdb 3.1.2数据集上分别达到92%和98%的准确率。
2024-08-20 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
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
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
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
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
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
