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
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
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
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
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
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
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
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
A New Perspective for Flexible Feature Gathering in Scene Text Recognition Via Character Anchor Pooling
Peking University(北京大学);Megvii (Face++) Technology Inc.(旷视(Face++)科技有限公司)
不规则场景文本识别一直受到研究界的关注,这主要是由于自然场景中文本形状的复杂性。然而,最近的方法要么依赖于形状敏感的模块,如限界框回归,或放弃序列学习。为了解决这些问题,我们提出了一对耦合模块,被称为字符识别模块(CAM)和锚池模块(APM),从二维空间中提取高层次的语义,形成特征序列。所提出的CAM本地化的文本在一个形状不敏感的方式通过设计锚定字符单独。然后,APM沿着字符锚点灵活地插值和收集特征,从而实现序列学习。互补模块实现了空间信息和序列学习的和谐统一。通过所提出的模块,我们的识别系统在不规则和透视文本数据集(包括ICDAR 2015,CUTE和Total-Text)上的得分超过了以前的最先进水平,同时在常规文本数据集上的性能达到了最先进水平。
2020-02-10 cs.CV
Enhancement of text recognition for hanja handwritten documents of Ancient Korea
Seoul National University(首尔国立大学);Sungkyunkwan University(成均馆大学)
本研究通过高可变裁剪数据增强和HRNet两阶段检测模型,提升了古韩国汉字手写草书文档的OCR识别率至90%,并确认了字符变体对性能的影响,成果可推广至多语言现代文档。
2024-12-14 cs.CV
A Multi-Stage Framework for Kuzushiji Character Recognition in Japanese Historical Documents
Kyoto University(京都大学)
针对印章干扰导致久世文字符识别性能下降的问题,提出一种结合文档修复和合成数据增强的抗印章干扰框架,在真实和合成测试集上分别降低字符错误率39.7%和50.1%。
2026-09-28 cs.CV
Boosting Optical Character Recognition: A Super-Resolution Approach
The Chinese University of Hong Kong(香港中文大学);Shenzhen Institutes of Advanced Technology(深圳先进技术研究院)
文本图像的超分辨率是计算机视觉领域一个具有挑战性的研究课题。特别地,低分辨率图像妨碍典型的光学字符识别(OCR)系统的性能。在这篇文章中,我们总结了ICDAR 2015年文本图像超分辨率竞赛的参赛作品。实验基于所提供的ICDAR 2015 TextSR数据集和已发布的Tesseract-OCR 3.02系统。我们报告说,我们获奖的文本图像超分辨率框架大大提高了低分辨率图像作为输入的OCR性能,达到了77.19%的OCR准确率,与使用原始高分辨率图像的78.80%相当。
2015-06-07 cs.CV
Unknown-box Approximation to Improve Optical Character Recognition Performance
University of Alberta(阿尔伯塔大学);Intuit Inc.(财捷公司)
光学字符识别(OCR)是一种在众多领域中广泛使用的模式识别应用。有几种功能丰富的通用OCR解决方案可供消费者使用,它们可以提供中等到优秀的准确度。然而,准确性可能会降低困难和不常见的文档域。文档图像的预处理可用于最小化域移位的影响。在本文中,提出了一种新的方法来创建一个定制的预处理器为给定的OCR引擎。与以前的OCR不可知预处理技术不同,所提出的方法近似于特定OCR引擎的梯度来训练预处理器模块。两个数据集和两个OCR引擎的实验表明,所提出的预处理器是能够提高OCR的准确性从基线到46%,通过应用像素级的操作的文档图像。建议方法的实施和增强的公共数据集可供下载。
2021-05-17 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
Joint Layout Analysis, Character Detection and Recognition for Historical Document Digitization
South China University of Technology(华南理工大学);Alibaba Group(阿里巴巴集团)
在本文中,我们提出了一个端到端的可训练框架,用于恢复遵循正确阅读顺序的历史文档内容。该框架在特征提取网络的后面增加了两个分支:字符分支和布局分支。字符分支定位文档图像中的各个字符并同时识别它们。然后采用后处理的方法将其分组为文本行。基于全卷积网络的布局分支输出二进制掩码。然后,我们使用Hough变换的二进制掩码上的行检测和字符的结果与布局信息相结合,以恢复文档内容。这两个分支可以并行训练,并且易于训练。此外,我们提出了一个重新评分机制,以尽量减少识别错误。在扩展的中文历史文档MTHv2数据集上的实验结果验证了该框架的有效性。
2020-07-14 cs.CV
Deep Learning based Isolated Arabic Scene Character Recognition
King Saud bin Abdulaziz University for Health Sciences(沙特·本·阿卜杜勒阿齐兹健康科学大学);Malaysia Japan Institute of Information Technology (MJIIT)(马来西亚日本信息技术研究所);Universiti Teknologi Malaysia(马来西亚理工大学);GGPGC No.1, Abbottabad(阿伯塔巴德第一政府研究生院);Higher Education Department, Khyber Pakhtunkhua (KPK)(开伯尔-普赫图赫瓦省高等教育厅)
相机和小工具的技术进步和复杂性促使研究人员专注于图像分析和文本理解。深度学习技术被证明可以很好地评估近年来报道的从自然场景图像中分类文本的潜力。有各种各样的深度学习方法可以有效地从图像中检测和识别文本。在这项工作中,我们提出了使用卷积神经网络(ConvNets)作为深度学习分类器的阿拉伯语场景文本识别。由于场景文本数据是倾斜和歪斜的,因此为了处理最大的变化,我们采用了五个方向相对于一个字符的单次出现。通过保持滤波器大小为3 x 3和5 x 5,步长值为1和2来制定训练。在文本分类阶段,我们以不同的学习率训练网络。我们的方法报告了令人鼓舞的结果识别阿拉伯字符分割阿拉伯场景图像。
2017-04-22 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
Task Grouping for Multilingual Text Recognition
Meta AI
由于英语和数字的流行,以及它们对应的数据集,大多数现有的OCR方法集中于字母数字字符。在将字符扩展到更多语言方面,最近的方法表明,与将所有语言的字符组合在同一识别头中相比,使用不同的识别头训练不同的脚本可以大大提高端到端的识别准确性。然而,我们假设一些语言之间的相似性可以允许共享模型参数并从联合训练中受益。然而,确定语言分组并不是立即显而易见的。为此,我们提出了一种多语言文本识别的自动方法,使用Gumbel-Softmax的任务分组和分配模块,引入了任务分组损失和加权识别损失,以允许同时训练模型和分组模块。MLT 19上的实验证明了我们的假设,即在将每个任务组合在一起和分离每个任务之间存在一个中间地带,从而实现更好的任务分组/分离配置。
2022-10-13 cs.CV
Optical Character Recognition (OCR) for Telugu: Database, Algorithm and Application
Indian Institute of Technology Hyderabad(印度理工学院海得拉巴分校)
泰卢固语是一种德拉威语,全世界有8000多万人使用。泰卢固语文字的光学字符识别(OCR)具有广泛的应用,包括教育,医疗保健,行政等。然而,美丽的泰卢固语文字与英语和德语等日耳曼文字有很大的不同。这使得使用德语OCR解决方案到泰卢固语的迁移学习成为一项重要的任务。为了解决泰卢固语OCR的挑战,我们在这项工作中做出了三个贡献:(i)泰卢固语字符数据库,(ii)基于深度学习的OCR算法,以及(iii)用于在线部署算法的客户-服务器的解决方案。为了泰卢固语人民和研究社区的利益,我们将在https://gayamtrishal.github.io/OCR_Telugu.github.io/上免费提供我们的代码。
2018-12-25 cs.CV
A Review of Research on Devnagari Character Recognition
Government Polytechnic, Nagpur(那格浦尔政府理工学院)
英语字符识别(CR)在过去的半个世纪中得到了广泛的研究,并发展到足以产生技术驱动的应用程序的水平。但印度语言的情况并非如此,它们在结构和计算方面都很复杂。快速增长的计算能力可以实现Indic CR方法。数字文档处理在办公室和图书馆自动化、银行和邮政服务、出版社和通信技术中的应用越来越普及。Devnagari是印度的国语,有5亿多人使用,应给予特别关注,以便有效地进行文献检索和分析丰富的古代和现代印度文学。本文旨在为在Devnagari光学字符识别(DOCR)领域工作的读者提供指导和更新。概述了DOCR系统和现有的DOCR技术进行了审查。讨论了DOCR的现状,并对未来的研究方向提出了建议。
2011-01-13 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
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
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
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
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
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
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
Multilingual Scene Character Recognition System using Sparse Auto-Encoder for Efficient Local Features Representation in Bag of Features
REsearch Groups in Intelligent Machines Laboratory(智能机器研究组实验室);ENIS-Sfax(斯法克斯国立工程师学院);Higher Institute of Computer Science and Communication Techniques(高等计算机科学与通信技术学院);University of Sousse(苏塞大学);Al Baha University(巴哈大学);Laboratoire d’InfoRmatique en Images et Systmes d’information (LIRIS)(图像与信息系统信息学实验室(LIRIS));INSA of Lyon(里昂国立应用科学学院)
在过去的几十年中,存在于相机捕获的图像中的文本的识别已经成为大量研究的重要问题。这就产生了场景字符识别(SCR),它是场景文本识别流水线中的重要一步。在本文中,我们使用深度学习扩展了基于特征袋(BoF)的模型,用于表示不同语言的准确SCR的特征。在特征编码阶段,采用了基于深度稀疏自动编码器(SAE)的编码策略,增强了图像特征的代表性和鉴别力。这种深度学习架构提供了更有效的特征表示,因此具有更好的识别准确性。我们的系统进行了广泛的评估,所有的场景字符数据集的五种不同的语言。实验结果证明了我们的多语种SCR系统的效率。
2018-07-19 cs.CV cs.LG
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
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
A Gaussian Process Upsampling Model for Improvements in Optical Character Recognition
University of California, Santa Cruz(加州大学圣克鲁兹分校);AppZen Inc.(AppZen公司)
光学字符识别和提取是金融领域文档自动评估的关键工具。然而,提供给自动化系统的图像数据可能具有不可靠的质量,并且可能固有地是低分辨率的或被传输程序下采样和压缩。在本文中,我们说明了高斯过程上采样模型的有效性,通过对低分辨率文档进行上采样来改善OCR和提取。
2020-05-07 cs.CV cs.LG stat.ML
Self-supervised Data Bootstrapping for Deep Optical Character Recognition of Identity Documents
Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学)
在机场和国家边界核查个人身份的基本任务非常耗时。为了加速它,由于身份证件(ID)中的文本内容的高度可变性,使用字典对ID进行光学字符识别是不合适的,例如,街道名称或姓氏。此外,ID中使用的字体的属性也是未知的。因此,我们提出了一个迭代的自我监督的自举方法,使用智能策略挖掘真正的字符数据的身份证。与合成生成的字符数据相结合,使用真实数据来训练用于字符分类的有效卷积神经网络,其服务于实际运行时间以及高精度。在具有74个字符类的数据集上,我们实现了99.4%的平均类准确率。相比之下,如果我们应用仅使用合成数据训练的分类器,则准确率降低到58.1%。最后,我们表明,我们提出的整个管道优于一个既定的开源框架
2019-08-12 cs.CV cs.LG
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
TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models
Microsoft Research Asia(微软亚洲研究院)
文本识别是文献数字化的一个长期研究课题。现有的方法通常基于用于图像理解的CNN和用于字符级文本生成的RNN来构建。此外,作为后处理步骤,通常需要另一个语言模型来提高整体准确性。在本文中,我们提出了一个端到端的文本识别方法与预训练的图像Transformer和文本Transformer模型,即TrOCR,它利用Transformer架构的图像理解和单词级文本生成。TrOCR模型简单但有效,可以使用大规模合成数据进行预训练,并使用人工标记的数据集进行微调。实验结果表明,TrOCR模型在印刷体、手写体和场景文本识别任务上的性能优于当前最先进的模型。TrOCR模型和代码可在\url{https://aka.ms/trocr}上公开获得。
2022-09-06 cs.CL cs.CV
A Lightweight Multi-Module Fusion Approach for Korean Character Recognition
Among Solution;Gwangju Institute of Science and Technology (GIST)(光州科学技术院)
本文提出轻量级韩文字符识别网络SDA-Net,通过双注意力、动态上下文编码、U-Net式特征融合和轻量骨干,在保证高准确率的同时实现快速推理,适合实时边缘部署。
2025-04-08 cs.AI cs.CV
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
600k-ks-ocr: a large-scale synthetic dataset for optical character recognition in kashmiri script
Independent Researcher(独立研究者)
600K-KS-OCR数据集通过大规模合成图像和多种格式转录,为克什米尔语的光学字符识别研究提供低资源语言支持。
2026-01-03 cs.CL cs.CV
A Novel Approach to OCR using Image Recognition based Classification for Ancient Tamil Inscriptions in Temples
VIT, Chennai Campus(韦洛尔理工学院金奈校区)
对金石学家来说,识别古代泰米尔文字一直是一个挑战。这主要是因为语言已经发展了几个世纪,字符集在这段时间已经扩大和多样化。这项拟议的工作的重点是提高光学字符识别技术的古泰米尔脚本,这是在7日和12世纪之间使用。虽然全面策划古代泰米尔字符的功能数据集是一项艰巨的任务,但在这项工作中,使用某些寺庙铭文上发现的字符的裁剪图像来策划数据集,具体到这个时候作为案例研究。本文采用大津阈值法对图像进行二值化处理后,定义了一个二维的卷积神经网络,并用它对泰米尔古文字进行了训练、分类和识别。为了实现光学字符识别技术,使用Python的pytesseract库将神经网络连接到Tesseract。作为一个额外的功能,这项工作还结合了谷歌的文本语音引擎,以产生数字化文本的音频输出。现代和古代泰米尔人的各种样本被收集并通过该系统。结果发现,在所考虑的时间段内研究泰米尔语铭文,可以实现77.7%的综合效率。
2019-07-04 cs.CV eess.IV
Handwritten Text Recognition Using Convolutional Neural Network
New Horizon College of Engineering(新地平线工程学院)
本文研究基于卷积神经网络的手写文本识别,在包含超过10万张图像的NIST数据集上训练模型,最终取得90.54%的准确率和2.53%的损失。
2023-07-11 cs.AI cs.CV
TextScanner: Reading Characters in Order for Robust Scene Text Recognition
Megvii(旷视科技);Huazhong University of Science and Technology(华中科技大学);Beijing Institute of Technology(北京理工大学)
在深度学习和海量数据的驱动下,场景文本识别近年来发展迅速。以前,基于RNN注意力的方法在该领域占主导地位,但在某些情况下会遇到\textit{attention drift}的问题。最近,基于语义分割的算法已被证明在识别不同形式的文本(水平、定向和弯曲)方面是有效的。然而,这些方法可能会产生虚假的字符或错过真正的字符,因为它们在很大程度上依赖于一个阈值的分割图上操作的过程。为了应对这些挑战,我们在本文中提出了一种替代方法,称为TextScanner,用于场景文本识别。TextScanner具有三个特点:(1)基本上属于语义分割家族,它可以生成字符类别、位置和顺序的逐像素、多通道分割图;(2)同时,类似于基于RNN注意力的方法,它也采用RNN进行上下文建模;(3)此外,它还对字符的位置和类别进行预测,并确保字符以正确的顺序转录。标准基准数据集上的实验表明,TextScanner优于最先进的方法。此外,TextScanner在识别更难的文本(如中文抄本)和与目标字符对齐方面显示出其优越性。
2020-01-01 cs.CL cs.CV cs.LG
A Black-Box Attack on Optical Character Recognition Systems
University of Delaware(特拉华大学)
对抗性机器学习是一个新兴领域,显示了深度学习模型的脆弱性。探索攻击方法以挑战最先进的人工智能(A.I.)模型是一个令人严重关切的领域。这种人工智能的可靠性和鲁棒性。随着越来越多的有效对抗攻击方法,模型是主要关注点之一。分类任务是对抗攻击的一个主要脆弱领域。大多数攻击策略是针对彩色或灰度图像开发的。因此,对二值图像识别系统的对抗攻击还没有得到充分的研究。二值图像是具有单个通道的简单的两个可能的像素值信号。与彩色和灰度图像相比,二值图像的简单性具有显著的优势,即计算效率。此外,大多数光学字符识别系统(O.C.R.),例如手写字符识别、车牌号码识别和银行支票识别系统,在它们的处理步骤中使用二值图像或二值化。在本文中,我们提出了一个简单而有效的攻击方法,有效的组合黑盒对抗攻击,对二值图像分类器。我们在两个不同的数据集和三个分类网络上验证了攻击技术的效率,展示了其性能。此外,我们比较我们提出的方法与国家的最先进的方法的优点和缺点,以及适用性。
2022-08-30 cs.CR cs.CV cs.LG
Low-Resource Heuristics for Bahnaric Optical Character Recognition Improvement
Faculty of Computer Science and Engineering(计算机科学与工程学院);Ho Chi Minh City University of Technology(胡志明市技术大学)
本研究提出低资源环境下提升巴纳里语OCR识别准确率的启发式方法,通过结合表格检测与概率后处理技术,使识别准确率从72.86%提升至79.26%。
2026-01-06 cs.CL cs.CV cs.LG
An accurate and revised version of optical character recognition-based speech synthesis using LabVIEW
Birla Institute of Technology(比尔拉理工学院)
针对视障人士获取书籍受限的问题,本文提出并实现了一种基于OCR和LabVIEW的精确、可靠、低成本且易用的语音合成系统,以语音输出替代文本阅读。
2025-06-18 cs.CL cs.CV cs.SD
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
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