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
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
A survey of modern optical character recognition techniques
American Management Systems, Inc.（美国管理系统公司）
本报告探讨了数字文档识别领域的最新进展。随着印刷文档图像的重点，我们讨论的主要发展光学字符识别（OCR）和文档图像增强/恢复应用到拉丁和非拉丁脚本。此外，我们回顾和讨论了现有的技术，手写文件识别。在本报告中，我们还提供了一些公司积累的可用OCR引擎的基准测试结果。
2014-12-13 cs.CV
Recognition of Images of Korean Characters Using Embedded Networks
Smart Engines Service LLC（Smart Engines服务有限责任公司）；Federal Research Center “Computer Science and Control” of RAS（俄罗斯科学院“计算机科学与控制”联邦研究中心）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
尽管在文本识别领域取得了显著的成功，但在该领域中仍然存在复杂且未解决的问题。近年来，英语语言的识别精度有了很大的提高，而象形文字的识别问题却很少受到关注。对汉字、韩文、日文的象形文字识别和图像识别与传统的文本识别任务存在差异。本文讨论了象形文字和拉丁字母在图像识别方面的主要区别。提出了一种轻量级的象形文字图像识别方法，并在公开的朝鲜文象形文字图像数据集上进行了测试。尽管现有的解决方案，所提出的方法是适合于移动设备。它的识别精度优于开源OCR框架的精度。提出了一种基于识别数据相似性的嵌入式网络训练方法。
2019-12-03 cs.CV
Artificial Neural Network Based Optical Character Recognition
光学字符识别是对图像中的字符进行识别和分类。为了使识别准确，计算某些拓扑和几何特性，基于这些特性对字符进行分类和识别。此外，人类的心理感知字符的整体形状和特征，如笔画，曲线，突起，外壳等，这些属性，也被称为特征是通过空间像素为基础的计算从图像中提取。这些特征的集合称为向量，通过使用这些特征向量的人工神经网络来帮助唯一地定义字符。
2012-11-19 cs.CV cs.NE
Optical Character Recognition, Using K-Nearest Neighbors
光学字符识别（OCR）问题在文献中已被广泛讨论。有一个手写的文本，该程序的目的是识别文本。尽管有几种方法来解决这个问题，但它仍然是一个悬而未决的问题。在本文中，我们想提出一种方法，使用K-近邻算法，并具有超过90%的准确性。训练和运行时间也很短。
2014-11-05 cs.CV
A Novel Method for the Recognition of Isolated Handwritten Arabic Characters
Damietta University（达米埃塔大学）；Concordia University（康考迪亚大学）
手写阿拉伯语识别系统面临着许多困难，例如人类手写的无限变化，不同字符形状的相似性，相邻字符的相互连接及其在单词中的位置。典型的光学字符识别（OCR）系统主要基于预处理、特征提取和识别三个阶段。本文提出了一种新的手写体阿拉伯字符识别方法，该方法基于新的预处理操作，包括不同种类的噪声去除以及不同种类的特征，如来自字符主体的结构特征、统计特征和形态特征，以及来自次要成分的特征。对所选特征的精度进行了评价。利用CENPRMI数据集，采用反向传播神经网络对系统进行了训练和测试。该算法获得了可喜的成果，因为它是能够识别我们的测试集的88%准确。在与其他相关工作的比较中，我们发现我们的结果是其他已发表的工作中最高的。
2014-02-26 cs.CV
SuperOCR: A Conversion from Optical Character Recognition to Image Captioning
Gyrfalcon Technology Inc.（隼科技有限公司）
光学字符识别（OCR）有许多实际应用。现有的方法通常检测字符的位置，然后识别每个检测到的位置的字符。因此，字符检测的性能直接影响到字符识别的准确性。在本文中，我们提出了一种识别字符的方法，而无需检测每个字符的位置。这是通过将OCR任务转换为图像描述任务来完成的。该方法的一个优点是在训练过程中不需要字符的标记边界框。实验结果表明，该方法在车牌识别和水表字符识别任务上均优于现有方法。所提出的方法也被部署到连接到Raspberry Pi 3的低功耗（300 mW）CNN加速器芯片中，用于设备上的应用。
2020-11-21 cs.CV eess.IV
Design of an Optical Character Recognition System for Camera-based Handheld Devices
School of Mobile Computing and Communication, Jadavpur University（贾达普大学移动计算与通信学院）；MCKV Institute of Engineering（MCKV工程学院）；Department of Computer Science and Engineering, Jadavpur University（贾达普大学计算机科学与工程系）
本文提出了一个完整的光学字符识别（OCR）系统的摄像头捕获的图像/图形嵌入文本文件的手持设备。首先，提取文本区域并进行倾斜校正。然后，这些区域被二值化并分割成线条和字符。字符被传递到识别模块。实验用一组100张名片图像，由手机摄像头捕获，我们已经取得了最高的识别准确率为92.74%。与Tesseract相比，Tesseract是一个开源的基于桌面的强大OCR引擎，目前的识别精度值得贡献。此外，所开发的技术是计算效率高，消耗低内存，以便适用于手持设备。
2011-09-15 cs.CV
Adaptive Guided Upsampling for Low-light Image Enhancement
Lenovo Research（联想研究院）
本研究提出自适应引导上采样方法，通过多参数优化提升低光照图像质量，实现实时高效增强。
2025-10-02 cs.CV cs.LG eess.IV
Interpretable Distance Metric Learning for Handwritten Chinese Character Recognition
Montclair State University（蒙特克莱尔州立大学）；Dalian University of Technology（大连理工大学）
手写体识别对于人机交互和文书数字化都具有重要意义。在光学字符识别（Optical Character Recognition，OCR）领域，手写体汉字的识别面临着巨大的挑战。学习一个合适的距离度量来度量输入数据之间的差异是准确识别手写字符的基础。现有的距离度量学习方法要么产生不可接受的出错率，或者在结果中提供很少的可解释性。在本文中，我们提出了一个可解释的距离度量学习方法的手写体汉字识别。学习的度量是可理解的基本度量的线性组合，因此为普通用户提供了有意义的见解。我们在基准数据集上的实验结果表明，我们提出的方法具有优越的效率，准确性和可解释性。
2021-03-17 cs.AI cs.CV
Scene Text Recognition with Sliding Convolutional Character Models
National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室）
近年来，场景文本识别引起了计算机视觉和模式识别界的极大兴趣。最先进的方法使用卷积神经网络（CNN）、具有长短期记忆的递归神经网络（RNN-LSTM）或它们的组合。本文研究了文本识别的内在特征，并借鉴人类阅读文本的认知机制，提出了一种基于卷积特征映射的字符模型的场景文本识别方法。该方法同时检测和识别字符滑动的文本行图像与字符模型，这是学习端到端的文本行图像标记的文本抄本。滑动窗口上的字符分类器的输出进行归一化和解码的连接主义时间分类（CTC）的算法。与以前的方法相比，我们的方法具有许多吸引人的特性：（1）它避免了字符分割的困难，这阻碍了基于分割的识别方法的性能;（2）模型可以简单有效地训练，因为它避免了在训练基于RNN-LSTM的模型时的梯度消失/爆炸;（3）它基于无词典训练的字符模型，可以识别未知单词。(4)识别过程是高度并行的，并且能够实现快速识别。我们在几个具有挑战性的英文和中文基准测试数据集上的实验表明，该方法在模型规模相对较小的情况下，与现有方法相比，具有更好的性能。
2017-09-06 cs.CV
Handwritten Character Recognition of South Indian Scripts: A Review
Cochin University of Science and Technology（科钦科技大学）
手写体字符识别一直是模式识别和图像处理领域的前沿研究领域，对手写体文档的OCR有着很大的需求。尽管对汉语、日语和阿拉伯语等外国文字的研究已经很充分，但对印度文字的手写字符识别，特别是对南印度文字的手写字符识别，只有很少的研究可以追溯。本文提供了一个概述脱机手写字符识别在南印度群岛，即马拉雅拉姆语，泰米尔语，卡纳达语和泰伦古语。
2011-06-01 cs.CL cs.CV cs.CY
DTrOCR: Decoder-only Transformer for Optical Character Recognition
Fast Accounting Co., Ltd.（Fast Accounting株式会社）
本研究提出DTrOCR，一种仅解码器Transformer的文本识别方法，利用预训练生成语言模型，在印刷、手写和场景文本识别上大幅超越现有最先进方法。
2023-08-30 cs.CV
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
CLEval: Character-Level Evaluation for Text Detection and Recognition Tasks
Clova AI Research, NAVER Corp.（NAVER公司Clova人工智能研究院）；Yale University（耶鲁大学）
尽管文本检测和识别方法最近取得了成功，但现有的评估指标无法在这些方法之间提供公平可靠的比较。此外，不存在将OCR任务的特征考虑在内的端到端评估度量。先前的端到端度量包含来自检测和识别任务中应用的二进制评分过程的级联错误。忽略部分正确的结果会增加定量和定性分析之间的差距，并阻止细粒度的评估。基于文字是文本的关键元素这一事实，本文提出了一个文本级评价指标（CLEval）。在CLEval中，\textit{instance matching}进程处理拆分和合并检测案例，而\textit{scoring process}执行字符级评估。通过聚合字符级别的分数，CLEval指标提供了对端到端结果的细粒度评估，包括检测和识别以及从最终性能角度对每个模块的单独评估。我们相信，我们的指标可以在开发和分析最先进的文本检测和识别方法中发挥关键作用。评估代码可在https://github.com/clovaai/CLEval上公开获取。
2020-06-11 cs.CV
A CNN Based Scene Chinese Text Recognition Algorithm With Synthetic Data Engine
Shanghai Jiao Tong University（上海交通大学）
场景文本识别在计算机视觉的许多应用中起着重要的作用。可用的公共可用场景文本数据集的小尺寸是训练文本识别CNN模型时的主要挑战。本文提出了一种基于CNN的中文文本识别算法。为了扩大训练CNN模型所需的数据集，我们设计了一个用于中文场景字符生成的合成数据引擎，该引擎根据中文文本的字体使用频率生成具有代表性的字符图像。由于中文文本更加复杂，英文文本识别CNN架构被修改为中文文本。为了保证小尺寸自然字符数据集和大尺寸人工字符数据集在训练中的可比性，CNN模型是渐进训练的。用两个中文文本数据集对所提出的中文文本识别算法进行了评估。与基线方法相比，该算法具有更高的识别精度。
2016-04-07 cs.CV
A Skip-connected Multi-column Network for Isolated Handwritten Bangla Character and Digit recognition
Jalpaiguri Government Engineering College（贾尔派古里政府工程学院）；The Ohio State University（俄亥俄州立大学）；Jadavpur University（贾达普大学）
在光学字符识别中寻找手写字符和/或数字的局部不变模式是一项困难的任务。从一个人到另一个人的写作风格的变化使这项任务具有挑战性。本文提出了一种基于多尺度多列跳跃卷积神经网络的非显式特征提取方法。局部和全局特征提取的不同层次的建议架构相结合，以获得最终的特征描述符编码的字符或数字图像。我们的方法进行了评估四个公开的数据集孤立的手写孟加拉字符和数字。对当代方法的详尽的比较分析建立了我们所提出的方法的有效性。
2020-04-27 cs.CV
A Survey on Optical Character Recognition System
Iqra University（伊克拉大学）；Aladdin Solutions（阿拉丁解决方案公司）；Indus University（印度河大学）
光学字符识别（OCR）已经是多年来人们感兴趣的话题。它被定义为将文档图像数字化为其组成字符的过程。尽管经过数十年的深入研究，开发具有与人类相当能力的OCR仍然是一个开放的挑战。由于这种挑战性的性质，工业界和学术界的研究人员将他们的注意力转向了光学字符识别。在过去的几年里，参与字符识别研究的学术实验室和公司的数量急剧增加。本研究旨在总结迄今为止在OCR领域所做的研究。它概述了OCR的不同方面，并讨论了旨在解决OCR问题的相应建议。
2017-10-03 cs.AI cs.CV cs.NI
I2C2W: Image-to-Character-to-Word Transformers for Accurate Scene Text Recognition
Nanyang Technological University（南洋理工大学）；Bytedance Inc.（字节跳动公司）
利用自然语言处理的进步，最近的场景文本识别器采用编码器-解码器架构，其中文本图像首先被转换为代表性的功能，然后通过“顺序解码”的字符序列。然而，场景文本图像遭受丰富的噪声的不同来源，如复杂的背景和几何失真，这往往混淆解码器，并导致不正确的对齐的视觉特征在嘈杂的解码时间步长。本文提出了I2 C2 W，一种新的场景文本识别技术，是宽容的几何和光度退化分解场景文本识别成两个相互连接的任务。第一个任务侧重于图像到字符（I2C）的映射，它检测一组字符候选人从图像的基础上不同的视觉特征的对齐，在一个非顺序的方式。第二个任务处理字符到单词（C2 W）映射，其通过从检测到的候选字符解码单词来识别场景文本。直接从字符语义（而不是噪声图像特征）学习，有效地纠正了错误检测的字符候选人，大大提高了最终的文本识别精度。在9个公共数据集上的大量实验表明，所提出的I2 C2 W在具有各种曲率和透视失真的具有挑战性的场景文本数据集上的性能优于最先进的算法。它还在多个正常场景文本数据集上实现了非常有竞争力的识别性能。
2022-12-19 cs.CV
Chinese Text Recognition with A Pre-Trained CLIP-Like Model Through Image-IDS Aligning
Fudan University（复旦大学）
针对中文文本识别中零样本和少样本汉字挑战，提出两阶段框架：预训练CLIP类模型对齐图像与IDS获得字符表示，再监督CTR模型实现文本行识别，实验验证在CCR和CTR基准上性能最优，且无需微调识别零样本汉字。
2023-09-03 cs.CV
Logios : An open source Greek Polytonic Optical Character Recognition system
National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）
本文提出Logios，一个专为希腊语多调文本设计的开源OCR系统，结合卷积层和循环层克服传统OCR局限，显著提升识别准确性与效率，并开源底层模型供学术使用。
2025-06-26 cs.CL 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
Development of a Multi-User Recognition Engine for Handwritten Bangla Basic Characters and Digits
Techno India College of Technology（泰克诺印度技术学院）；Jadavpur University（贾达普大学）
本文的目的是识别手写样本的基本孟加拉语字符使用Tesseract开源光学字符识别（OCR）引擎在Apache许可证2.0。手写数据样本包含孤立的孟加拉语基本字符和数字收集不同的用户。Tesseract使用文档页面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基本孟加拉语手写测试样本。在一个三用户模型上，分别用919、928和648个孤立的手写字符和数字样本对系统进行训练，并分别在1527、14116和1279个字符和数字样本上测试系统的性能。用户特定的字符/数字识别的准确率分别为90.66%，91.66%和96.87%。该系统的总体基本字符级和数字级的准确率分别为92.15%和97.37%。在整个数据集上，系统未能分割12.33%的字符和15.96%的数字，并且错误地分类了7.85%的字符和2.63%的数字。
2010-03-30 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
Multi-Modal Character Localization and Extraction for Chinese Text Recognition
本文提出LER方法，通过解耦字符并考虑中文复杂结构，提升中英文文本识别性能，实验表明在大规模中文和英文基准上均取得显著成果。
2026-03-14 cs.AI cs.CV
Combining Multiple Feature Extraction Techniques for Handwritten Devnagari Character Recognition
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）；Jadavpur University（贾达普大学）
在本文中，我们提出了一个OCR手写Devnagari字符。基本符号由神经分类器识别。我们使用了四种特征提取技术，即相交、阴影特征、链码直方图和直线拟合特征。对字符图像全局计算阴影特征，通过对字符图像进行分段计算相交特征、链码直方图特征和直线拟合特征。加权多数表决技术被用于组合从四个多层感知器（MLP）的分类器获得的分类决策。在对4900个样本的数据集进行实验时，观察到的总体识别率为92.80%，因为我们考虑了前五个选择结果。该方法与其他最近的方法相比，手写Devnagari字符识别，它已被观察到，这种方法比其他方法有更好的成功率。
2010-05-21 cs.AI cs.CV
JUMPS: Joints Upsampling Method for Pose Sequences
InterDigital（InterDigital（InterDigital公司））；Rennes（雷恩（城市，非机构））；France（法国（国家，非机构））
人体姿态估计是一个低层次的任务，用于监视，人体动作识别和场景理解。它也为合成角色的动画制作提供了有前途的前景。对于所有这些应用，特别是后者，估计许多关节的位置是提高性能和现实主义的必要条件。为此，我们提出了一种新的方法，称为JUMPS的增加关节的数量在2D姿态估计和恢复闭塞或失踪的关节。我们认为这是解决这个问题的第一次尝试。我们构建了一个深度生成模型，该模型结合了生成对抗网络（GAN）和编码器。GAN学习高分辨率人类姿势序列的分布，编码器将输入的低分辨率序列映射到其潜在空间。修复是通过计算潜在的representation，其解码由GAN generator optimallymatches在输入的关节位置。使用我们的方法对2Dpose序列进行后处理，提供了更丰富的角色运动表示。我们的实验表明，thelocalization精度的额外的关节是平均onpar与原来的姿态估计。
2020-10-14 cs.CV
Optical Character Recognition using Convolutional Neural Networks for Ashokan Brahmi Inscriptions
IIITDM Kancheepuram（印度信息技术与设计管理学院坎奇普兰分校）
本文构建阿育王婆罗米铭文 OCR 系统，结合预处理、分割、数据增强与迁移学习，比较 LeNet、VGG-16 和 MobileNet，其中 MobileNet 验证准确率达 95.94%。
2024-12-29 cs.CV eess.IV
Spectral Analysis of Projection Histogram for Enhancing Close matching character Recognition in Malayalam
University of Kerala（喀拉拉邦大学）
光学字符识别（OCR）系统对印刷的马拉雅拉姆文文件的成功率令人印象深刻，其最先进的准确度在85-95%的范围内。然而，对于实际应用，需要进一步提高该精度水平。进一步提高识别精度的瓶颈之一是近匹配特征。在本文中，我们描绘了马拉雅拉姆语的密切匹配的字符，并报告这些密切匹配的字符的一个专门的分类器的发展。采用OCR的现有技术的输出，并且落入紧密匹配字符集的字符被进一步馈送到该专用分类器中以提高准确性。该分类器是基于支持向量机算法，并使用的特征向量派生出的投影直方图信号的频谱系数的紧密匹配的字符。
2012-05-08 cs.CL cs.CV cs.IR
Important New Developments in Arabographic Optical Character Recognition (OCR)
Leipzig University（莱比锡大学）；Aga Khan University（阿迦汗大学）；Roshan Institute for Persian Studies, University of Maryland, College Park（马里兰大学帕克分校罗尚波斯研究中心）
OpenITI团队已经在90年代中期实现了经典阿拉伯文字文本的光学字符识别（OCR）准确率。这些数字是基于我们对七种不同质量和字体的阿拉伯文字文本的测试，总共超过7,000行。这些准确率不仅代表了对经典阿拉伯文字文本的各种专有OCR选项的实际准确率的明显改善，但同样重要的是，它们是使用开源OCR软件制作的，从而使我们能够将这种阿拉伯文字OCR技术免费提供给更广泛的伊斯兰，波斯和阿拉伯语研究社区。
2017-03-28 cs.CV cs.DL
Handwritten Character Recognition from Wearable Passive RFID
Tampere University（坦佩雷大学）
在本文中，我们研究了一种新型的可穿戴电子纺织传感器面板捕获的数据的手写字符的识别。数据是按顺序收集的，这样我们就可以记录笔划顺序和生成的位图。我们提出了一个预处理管道，将序列和位图表示融合在一起。数据收集了10个主题，共7500字。我们还提出了一种卷积神经网络架构，其新颖的上采样结构使传统的ImageNet预训练网络能够成功使用，尽管输入大小仅为10 x10像素。该模型在实验测试中达到了72%的准确率，对于这个具有挑战性的数据集来说，可以认为是很好的准确率。数据和模型都向公众发布。
2020-08-06 cs.CV cs.HC
Large Motion Video Super-Resolution with Dual Subnet and Multi-Stage Communicated Upsampling
Xidian University（西安电子科技大学）；Peng Cheng Lab（鹏城实验室）
视频超分辨率（VSR）旨在恢复低分辨率（LR）的视频并将其提高到更高分辨率（HR）。由于视频任务的特点，在VSR算法中，关注、总结和利用帧间运动信息是非常重要的。特别是，当视频包含大的运动时，常规方法容易带来不相干的结果或伪影。在本文中，我们提出了一种新的深度神经网络，具有双重子网和多级通信上采样（DSMC），用于大运动视频的超分辨率。设计了一个新的模块--U形残差稠密网络三维卷积（U3D-RDN），用于精细隐式运动估计和运动补偿（MEMC）以及粗空间特征提取。提出了一种新的多级通信上采样（MSCU）模块，充分利用上采样的中间结果来指导VSR。此外，一个新的对偶子网的设计，以帮助我们的DSMC的训练，其对偶损失有助于减少解决方案的空间，以及提高泛化能力。我们的实验结果证实，我们的方法实现了卓越的性能与大运动的视频相比，国家的最先进的方法。
2021-03-22 cs.AI cs.CV
Optimizing 3D Gaussian Splatting via Point Cloud Upsampling
Vision and Image Processing Group, Systems Design Engineering, University of Waterloo（滑铁卢大学视觉与图像处理组，系统设计工程）
提出多种点云上采样方法及深度引导点提升技术，改善3D高斯泼溅的初始化质量，实验表明不同场景适用不同策略。
2026-05-30 cs.CV cs.GR
TULIP: Transformer for Upsampling of LiDAR Point Clouds
ETH Zurich（苏黎世联邦理工学院）；Queensland University of Technology (QUT)（昆士兰科技大学）；Data61, CSIRO（联邦科学与工业研究组织数据61分部）
本文提出TULIP方法，通过修改Swin-Transformer的patch与window几何结构以适应距离图像特性，从低分辨率LiDAR输入重建高分辨率点云，并在多个数据集上取得最优性能。
2024-05-03 cs.CV
Extending Class Activation Mapping Using Gaussian Receptive Field
Pohang University of Science and Technology（浦项科技大学）
本文讨论了深度学习模型的可视化任务。为了改进基于类激活映射（CAM）的可视化方法，我们提供了两个选项。首先，我们提出了高斯上采样，这是一种改进的上采样方法，可以反映深度学习模型的特性。其次，我们确定和修改现有的CAM研究的数学推导中的不自然的条款。基于这两个选项，我们提出了扩展CAM，先进的CAM为基础的可视化方法，具有改进的理论性能。实验结果表明，扩展CAM提供了更准确的可视化比现有的方法。
2020-01-15 cs.CV
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
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
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
Analysis and evaluation of Deep Learning based Super-Resolution algorithms to improve performance in Low-Resolution Face Recognition
USP（圣保罗大学）
监控场景很容易出现几个问题，因为它们通常涉及低分辨率的镜头，并且首先无法控制拍摄对象与摄像机的距离。这种情况适合于上采样（超分辨率）算法的应用，因为它们能够恢复所涉及的对象的判别属性。虽然一般的超分辨率方法被提出来增强图像质量以用于人类水平的感知，但是生物识别超分辨率方法寻求图像的最佳“计算机感知”版本，因为它们的重点是提高自动识别性能。一般来说，卷积神经网络和深度学习算法已被应用于计算机视觉任务，并且现在是几个子领域的最新技术，包括图像分类，恢复和超分辨率。然而，没有工作已经评估了最新提出的超分辨率方法可能对低分辨率“野外”数据的准确性和人脸验证性能的影响。该项目旨在评估和调整不同的深度神经网络架构，以执行由真实世界低分辨率图像中的人脸识别性能驱动的人脸超分辨率任务。在真实世界的监控和考勤数据集上的实验结果表明，一般的超分辨率架构可以增强在高分辨率人脸上训练的深度神经网络的人脸验证性能。此外，由于神经网络是函数逼近器，并且可以基于特定的目标函数进行训练，因此使用针对特征提取优化的定制损失函数显示出在低分辨率面部图像中恢复鉴别特征的有希望的结果。
2021-01-19 cs.AI cs.CV
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
Spectral Graph-based Features for Recognition of Handwritten Characters: A Case Study on Handwritten Devanagari Numerals
ISI, Kolkata（印度统计研究所（加尔各答））
不同书写风格、自由草书以及不同原始部分之间的关系的解释是手写体字符识别的一个基本且具有挑战性的任务。由于特征表示是不够的，适当的解释/描述的手写字符似乎是一个具有挑战性的任务。尽管手写体字符的研究已经非常广泛，但如何在特征空间中有效地表示字符仍然是一个挑战。在本文中，我们试图绕过这些问题，提出了一种方法，利用强大的图表示和谱图嵌入的概念来识别和有效地表示手写字符，考虑到书写风格，草书和关系。为了证实所提出的方法的有效性，进行了广泛的实验，对标准的手写数字计算机视觉模式识别，单位印度统计研究所加尔各答数据集。实验结果表明，有希望的发现，这可以用于未来的研究。
2020-07-07 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
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
Chargrid-OCR: End-to-end Trainable Optical Character Recognition for Printed Documents using Instance Segmentation
SAP（思爱普）
我们提出了一个端到端的可训练的方法，光学字符识别（OCR）的打印文件。具体来说，我们提出了一个模型，预测a）一个二维字符网格（\emph{chargrid}）表示的文档图像作为一个语义分割任务和b）字符框描绘字符实例作为一个目标检测任务。为了训练模型，我们构建了两个大规模的数据集，而不需要任何手动注释-带有干净标签的合成文档和带有嘈杂标签的真实文档。我们通过实验证明，我们的方法，在这些数据集的组合上训练，（i）在准确性上优于以前最先进的方法（ii）在GPU上很容易并行化，因此速度明显更快，（iii）易于训练和适应新的领域。
2020-02-27 cs.CV cs.LG
Learning Similarity for Character Recognition and 3D Object Recognition
PARC, Inc.（帕洛阿尔托研究中心有限公司）
我描述了一种方法，以贝叶斯方法的相似性。这产生了一个相似性函数，可以使用标准的贝叶斯方法学习。讨论了该方法与变核方法和变尺度方法的关系。该方法涉及到可变核字符识别和三维物体识别的实验结果。
2007-12-02 cs.CV
Benchmarking Algorithms for Automatic License Plate Recognition
我们评估了一个轻量级的卷积神经网络（CNN），称为LPRNet [1]，用于自动车牌识别（LPR）。我们评估了两个数据集，一个由真实的车牌图像和其他合成车牌图像的算法。此外，我们将其性能与Tesseract [2]（一种光学字符识别引擎）进行了比较。我们根据识别准确率和Levenshtein距离来衡量性能。LPRNet是一个端到端的框架，在两个数据集上都表现出了强大的性能，在1000个真实和合成车牌图像的测试集上分别提供了90%和89%的识别准确率。Tesseract没有使用真实的车牌图像进行训练，并且仅在预处理步骤后的合成数据集上表现良好，识别准确率达到93%。最后，利用帕累托分析法对误分类字符进行频率分析，根据累计错误百分比，详细找出哪些字符是最冲突的字符。根据区域，车牌图像具有特定的特征。经过适当的训练后，LPRNet可以用于识别特定区域和数据集的字符。未来的工作可以集中在应用迁移学习来利用LPRNet学习到的特征，并在给定更小、更新的车牌数据集的情况下对其进行微调。
2022-03-27 cs.CV cs.LG
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
A Framework for On-Line Devanagari Handwritten Character Recognition
Tata Consultancy Services（塔塔咨询服务公司）
联机手写体印度语字符识别的主要挑战是字符集的规模大、手写体中不同字符之间的相似性大以及书写风格的巨大变化。在本文中，我们提出了一个框架，在线手写脚本识别线索从语音信号处理文献。该框架是基于识别笔画，这反过来又导致识别手写在线字符，而不是传统的字符识别。虽然该框架是针对梵文脚本描述的，但该框架是通用的，可以应用于任何语言。该平台与传统的字符识别一样，包括预处理、特征提取、识别和后处理，但只适用于笔画。联机梵文字符识别简化为识别69个基元中的一个，字符的识别是通过识别一系列这样的基元来完成的。我们进一步展示了噪声去除对在线原始数据的影响，这些数据通常是有噪声的。文中还介绍了利用模糊方向特征提高笔画识别精度的方法。识别结果进行了比较，常用的方向特征文献中使用几个分类器。
2014-10-25 cs.CV
A feature extraction technique based on character geometry for character recognition
Amrita School of Engineering（阿姆里塔工程学院）
本文介绍了一种基于几何的特征提取技术，适用于基于分割的单词识别系统。该系统提取字符轮廓的几何特征。此功能基于构成角色骨架的基本线型。该系统给出一个特征向量作为其输出。从训练集生成的特征向量然后用于训练基于神经网络的模式识别引擎，使得可以对系统进行基准测试。
2012-02-17 cs.CV
A complete character recognition and transliteration technique for Devanagari script
Thapar University（塔帕尔大学）
音译是指根据两种不同文字之间的语音相似性，将一种文字转换为另一种文字。在本文中，我们提出了一种新的技术，使用字符识别的梵文字母的自动音译。首先执行的分离组成字符的任务之一是分割。本手稿中的线分割方法讨论了重叠线的情况。设计了字符分割算法，分割合取字符，分离阴影字符。本文提出的阴影字符分割方案采用连通域方法对阴影字符进行分割，保持了组成字符的完整性。在两阶段识别过程中，采用了统计特征，即面积、方差、偏度和峰度等不同阶矩以及字符的结构特征。在识别之后，组成梵文字符被映射到相应的罗马字母表中，从而产生的罗马字母表具有与源字符相似的发音。
2020-09-28 cs.CV
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
Support Vector Machine for Handwritten Character Recognition
K. K. T. M. Government College（K.K.T.M.政府学院）
手写体识别一直是图像处理和模式识别领域最具吸引力和挑战性的研究方向之一。它极大地促进了自动化过程的改进。本文提出了一种无约束手写马拉雅拉姆语字符识别系统。在这项工作中使用了44个基本马拉雅拉姆语字符的10，000个字符样本的数据库。采用64个局部特征和4个全局特征组成的判别特征集对SVM分类器进行训练和测试，取得了92.24%的分类准确率
2021-09-07 cs.CV
Stroke-Based Cursive Character Recognition
Universal Robot Co. Ltd.（环球机器人有限公司）
人眼可以看到和阅读以自然手写或印刷格式书写或显示的内容。同样的工作，如果机器做的是所谓的手写识别。手写识别可以分为两类：离线和在线。...
2013-04-01 cs.CV
