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
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 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
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
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
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
Segmentation of Offline Handwritten Bengali Script
Jadavpur University（贾达沃大学）
字符分割一直是光学字符识别过程中最关键的领域之一。通过该操作，在某些情况下可以连接的字符序列的图像被分解成各个字母符号的子图像。在本文中，草书手写体的世界第四大流行的语言，孟加拉语，被认为是分割。与英文字母不同，孟加拉语手写字符及其组成部分通常包围着主要字符，使得传统的分割方法不适用。实验结果表明，使用所提出的分割技术，对样本草书手写体数据包含218个理想的分割点，成功率为97.7%。进一步的特征分析，这些部分可能导致实际识别手写体孟加拉草书。
2012-02-14 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
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
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
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
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
CSSL-RHA: Contrastive Self-Supervised Learning for Robust Handwriting Authentication
Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；Beijing University of Technology（北京工业大学）；Peking University（北京大学）
针对手写认证面临的特征复杂、破损严重、监督不足的难题，本文提出对比自监督学习框架CSSL-RHA，结合信息论滤波、自适应块匹配与动量对比自监督训练，在多个数据集上实现了更优的鲁棒手写认证效果。
2023-07-18 cs.CV cs.MM
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
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
Modified Segmentation Algorithm for Recognition of Older Geez Scripts Written on Vellum
Faculty of Informatics, University of Gondar（贡达尔大学信息学院）
手写文档识别的目的是将文档图像转换为机器可理解的格式。手写文档识别是模式识别领域中最具挑战性的研究方向。当一份文件在几百年前写在牛皮纸上时，它就变得更加复杂了，就像更古老的吉兹脚本一样。在这项研究中，我们介绍了一种改进的分割方法来识别旧的吉兹脚本。我们使用自适应滤波降噪，Isodata迭代全局阈值的文档图像二值化，修改限界框投影分割Geez字符，数字和标点符号之间的不同笔画。SVM多类分类器在改进的分割算法下获得了79.32%的识别准确率。
2020-05-31 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
HMM-based Indic Handwritten Word Recognition using Zone Segmentation
Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）；Institute of Engineering & Management, Kolkata（加尔各答工程与管理学院）；Indian Statistical Institute, Kolkata（印度统计学院加尔各答分校）
本文提出了一种新的方法，对印度手写体字识别使用逐区信息。由于复合字、修饰语、重叠、接触等复杂性，字符分割和识别在印度文字（例如，梵文、孟加拉文、古鲁木基文和其他类似文字）中是一项乏味的工作。为了避免在这样的脚本中的字符分割，基于HMM的序列建模已经在早期以整体的方式使用。本文提出了一种有效的文字识别框架，通过水平分割的手写文字图像分为三个区域（上，中，下）和识别相应的区域。这种区域分割方法的主要目的是减少与印度语脚本中的类总数相比不同组件类的数量。因此，使用这种区域分割方法增强了系统的识别性能。利用隐马尔可夫模型对字符接触最多的中间区域进行识别。在识别出字符的中间区域后，采用基于HMM的Viterbi强制对齐方法来标记字符的左右边界。接着，如果有的话，在其各自的边界的上和下区的残余成分被组合，以实现最终的词级识别。该框架结合了水体特征，改善了分割时区域分割和字符对齐的缺陷。提出了一种新的基于滑动窗口的特征，称为金字塔梯度直方图（PHOG）的中间区域识别。一个详尽的实验进行两个印度脚本，即孟加拉语和梵文的性能评估。从实验中，已经注意到，所提出的逐区识别相对于传统的印度语单词识别方式提高了准确性。
2017-08-01 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
Development of Comprehensive Devnagari Numeral and Character Database for Offline Handwritten Character Recognition
Government Polytechnic（政府理工学院）
在手写体字符识别中，基准数据库在评估各种算法的性能和各种研究人员所获得的结果方面起着重要的作用。在Devnagari脚本中，缺乏这样的官方基准。本文主要研究Devnagari手写体数字和字符离线基准数据库的生成。本研究从750名不同年龄、性别、文化程度和职业的作家中，分别获得了5137个和20305个数字和字符数据库的孤立样本。离线样本图像以TIFF图像格式存储，因为它占用较少的内存。此外，数据以二进制级别呈现，从而进一步降低了存储器需求。它将通过研究人员的免费访问，促进对Devnagari脚本手写识别的研究。
2013-08-17 cs.CV
A Study of Augmentation Methods for Handwritten Stenography Recognition
Uppsala University（乌普萨拉大学）；Centre for Image Analysis（图像分析中心）
速记手写文本识别（HTR）的性能限制因素之一是少量的注释训练数据。为了缓解数据不足的问题，现代HTR方法通常采用数据增强。然而，由于速记脚本的细节，这样的设置可能不直接适用于速记识别。在这项工作中，我们研究了22个经典的增强技术，其中大部分是常用的HTR的其他脚本，如拉丁手写。通过大量的实验，我们确定了一组增强，包括例如包含的随机旋转，移位和缩放范围，这对速记识别的用例是有益的。此外，一些增强方法，导致识别性能下降，被确定。我们的研究结果得到了统计假设检验的支持。提供了到公开可用的数据集和代码库的链接。
2023-03-05 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
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
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
Synthetic data generation for Indic handwritten text recognition
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）
本文提出了一种新的方法来产生手写体字识别系统的合成数据集。对于不容易获得足够的训练数据的手写体，识别手写体是困难的，或者收集这种数据可能是昂贵的。因此，由于缺乏合适的数据集，训练识别系统变得困难。为了克服这些问题，可以使用合成数据来创建或扩展现有的训练数据集，以提高识别性能。来自在线报纸和此类来源的任何可用数字数据可用于生成合成数据。在本文中，我们建议添加失真/变形的数字数据，以这样一种方式，基本的模式被保留，使这样产生的图像承担一个密切的相似性，实际的手写样本。由此产生的图像可以独立地用于训练系统，或者与自然手写数据相结合以增强原始数据集并改进识别系统。我们尝试使用合成数据来提高孤立字符和单词的识别准确率。该框架是测试2印度脚本-梵文（印地语）和孟加拉语（孟加拉语），数字，字符和单词识别。我们从实验中获得了令人鼓舞的结果。最后，通过对拉丁文文本的实验验证了该方法的实用性.
2018-04-17 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
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
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
Cross-language Framework for Word Recognition and Spotting of Indic Scripts
Institute of Engineering & Management（工程与管理学院）；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）
手写单词识别和低资源脚本的定位是困难的，因为没有足够的训练数据可用，并且收集这种脚本的数据通常是昂贵的。本文提出了一种新的跨语言平台，用于手写单词识别和定位这种低资源脚本，其中使用足够大的可用脚本数据集（被视为源脚本）进行训练，并在其他脚本（被视为目标脚本）上进行测试。由于脚本之间手写变化的复杂性质，用一个源脚本进行训练并用另一个脚本进行测试以获得合理的结果在手写领域并不容易。另外，当源字符出现在草书字图像中时，源字符和目标字符之间的映射也很困难。提出的印度语跨语言框架利用大量的数据集资源进行训练，并使用它来识别和定位其他目标脚本的文本，其中没有足够的训练数据。由于印度文字大多写在3个区域，即上，中，下，我们采用逐区字符（或组件）映射有效的学习目的。我们的跨语言框架的性能取决于源脚本和目标脚本之间的相似程度。因此，我们设计了一个基于熵的脚本相似性得分使用源到目标字符映射，这将提供跨语言转录的可行性。我们已经测试了我们的方法在三个印度语脚本，即孟加拉语，梵文和Gurumukhi，并报告了相应的结果。
2018-01-28 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
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
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
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
CAS2UML: A Handwritten Sketch-to-PlantUML Dataset for Class and Activity Diagrams
University of Cologne（科隆大学）
CAS2UML是含557幅手绘类图与活动图及对应PlantUML代码的公开数据集，配套验证工具与脚本，可实现草图转UML方法的可复现基准测试。
2026-08-10 cs.CV cs.SE
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
Handwriting Recognition in Low-resource Scripts using Adversarial Learning
Nanyang Technological University（南洋理工大学）；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）
手写体文字识别是一个具有挑战性的领域，需要处理形状不规则和复杂的手写体文字。深度神经网络模型的设计使得有必要扩展训练数据集，以引入变化并增加样本数量;因此，在低资源脚本中进行单词检索非常困难。大部分现有的文献包括预处理策略，很少足以涵盖所有可能的变化。我们提出了对抗性特征变形模块（AFDM），它学习以可扩展的方式弹性地扭曲提取的特征的方法。AFDM被插入中间层之间，并与原始框架交替训练，提高了其更好地学习高度信息化特征而不是琐碎特征的能力。我们测试我们的元框架，这是建立在流行的单词识别和单词识别框架之上，并通过AFDM增强，不仅在广泛的拉丁语单词数据集，而且稀疏的印度语脚本。我们记录了不同训练数据大小的结果，并观察到我们的增强型网络在低数据状态下的泛化能力更好;观察到整体单词出错率和mAP分数也有所改善。
2019-02-25 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
Performance Analysis of Few-Shot Learning Approaches for Bangla Handwritten Character and Digit Recognition
Department of Computer Science and Engineering, Islamic University of Technology, Gazipur, Bangladesh（计算机科学与工程系，伊斯兰科技大学，加兹ipur，孟加拉国）
针对Bangla手写字符和数字识别中标注数据稀缺的挑战，本研究提出混合网络SynergiProtoNet，通过在原型学习框架内整合高级聚类与多层级特征提取，在多种评估设置下显著优于现有少样本学习方法并确立了新基准。
2025-05-31 cs.CV
Visual Script and Language Identification
Computer Vision Center（计算机视觉中心）；Media Integration and Communication Center（媒体整合与传播中心）；University of Florence（佛罗伦萨大学）
本文介绍了一种基于手写体纹理特征和人工神经网络的手写体识别方法。所提出的管道实现了接近国家的最先进的性能的脚本识别的视频文本和国家的最先进的性能的视觉语言识别的手写文本。除了使用深度网络作为分类器之外，使用其中介激活作为学习指标还展示了显着的结果，并允许在未知类上使用判别模型。视频文本和文本在野生数据集中的比较实验提供了对所提出的深度网络内部的见解。
2016-01-08 cs.CV
Neural Architecture based on Fuzzy Perceptual Representation For Online Multilingual Handwriting Recognition
University of Sfax（斯法克斯大学）；National Engineering School of Sfax（斯法克斯国立工程师学院）；Sifast
由于移动设备的无处不在，在线手写脚本已经成为智能手机和平板设备的最重要的馈送输入。为了提高在线手写识别性能，更深的神经网络已被广泛使用。在此背景下，我们的论文处理的问题，在线手写体识别的基础上提取特征系统和深入的方法系统的序列分类。已经出现了许多解决方案，以促进手写识别。因此，我们使用现有的方法，并结合新的分类器，以获得一个灵活的系统。与在线拉丁文和阿拉伯文字符和单词识别系统相比，取得了良好的效果。我们提出的两个系统的性能进行评估，使用五个数据库。事实上，识别率超过98%。
2019-08-01 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
Recognition of Handwritten MODI Numerals using Hu and Zernike features
手写体自动字符识别吸引了世界各国的研究人员，致力于自动字符识别领域的研究。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Hus矩的手写MODI数字的自动识别。
2014-10-27 cs.CV
HCR-Net: A deep learning based script independent handwritten character recognition network
University of Oxford（牛津大学）；Panjab University（旁遮普大学）；D.M. College（D.M.学院）
本文提出脚本无关的手写字符识别网络HCR-Net，通过部分利用预训练特征提取层的迁移学习方法，在40个多语言数据集上建立26项新基准，性能提升最高达11%，并显著减少可训练参数。
2024-02-17 cs.AI cs.CV cs.LG
Enhancing Indic Handwritten Text Recognition Using Global Semantic Information
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
手写文本识别（HTR）比印刷文本更有趣和更具挑战性，因为作者的手写风格，内容和时间的不均匀变化。HTR对于印度语言来说变得更具挑战性，因为（i）多个字符组合形成连接词，增加了相应语言的字符数量，以及（ii）每个印度脚本中有近100个独特的基本Unicode字符。最近，许多识别方法的基础上的编码器-解码器框架已被提出来处理这样的问题。他们仍然面临着许多挑战，如图像模糊和不完整的字符，由于不同的书写风格和墨水密度。我们认为，大多数编码器-解码器的方法是基于本地的视觉特征，没有明确的全局语义信息。在这项工作中，我们使用全局语义信息提高了印度语手写文本识别器的性能。我们使用一个语义模块的编码器-解码器框架提取全局语义信息识别的印度手写文本。语义信息用于编码器中的监督和解码器中的初始化。从预训练的语言模型的词嵌入预测语义信息。大量的实验表明，所提出的框架实现了国家的最先进的结果对手写文本的10种印度语言。
2022-12-15 cs.CV
A New Approach for Arabic Handwritten Postal Addresses Recognition
National Engineering School of Sfax, University of Sfax（斯法克斯国立工程学院，斯法克斯大学）
本文提出了一种基于贝塔椭圆模型的阿拉伯手写邮政地址自动识别分析系统。我们的系统分为不同的步骤：分析，预处理和分类。第一个操作是图像的滤波。在第二，我们删除边界打印，邮票和图形。在定位信封上的地址之后，地址分段允许分别提取邮政编码和城市名称。预处理系统和建模方法基于两个基本步骤。第一步是在手写轨迹的图像中提取时间顺序。第二步是基于Beta-椭圆模型的手写体字符表示。识别系统基于图匹配算法。我们的建模和识别方法进行了验证，使用邮政编码和城市名称提取的突尼斯邮政信封数据。识别率达到98%左右。
2012-04-07 cs.CV
A fine-grained approach to scene text script identification
Computer Vision Center（计算机视觉中心）；Universitat Autònoma de Barcelona（巴塞罗那自治大学）
本文主要研究无约束场景下的脚本识别问题。手写体识别是识别的重要前提，也是多语言环境下自动文本理解系统的必要条件。虽然广泛研究的文档图像和手写文档，它仍然是一个几乎未开发的领域场景文本图像。我们详细介绍了一种结合卷积特征和朴素贝叶斯最近邻分类器的自然图像中的脚本识别新方法。所提出的框架有效地利用了小笔画部分的区分能力，在一个细粒度的分类框架。此外，我们提出了一个新的公共基准数据集，用于评估自然场景中的联合文本检测和脚本识别。在这个新的数据集上进行的实验表明，所提出的方法产生了最先进的结果，同时它可以很好地推广到不同的数据集和可变数量的脚本。提供的证据表明，多语言场景文本识别在野外是一个可行的主张。所提出的方法的源代码可在线获得。
2016-02-24 cs.CV
New Results for the Text Recognition of Arabic Maghrib{ī} Manuscripts -- Managing an Under-resourced Script
University of Edinburgh（爱丁堡大学）；Sorbonne Université（索邦大学）；Université de Lausanne（洛桑大学）；Ecole Nationale des Chartes（法国国立文献学院）；Université Paris Sciences & Lettres（巴黎文理研究大学）
HTR模型开发已成为数字人文项目的常规步骤。这些模型的性能通常相当高，依赖于手动转录和大量手写文档。虽然该方法已被证明对拉丁字母是成功的，但对于被认为天赋很差的字母（如阿拉伯字母），还无法获得类似的数据量。在这方面，我们正在采用和评估一种新的工作方式，专门用于阿拉伯马格里布文字的高温气冷堆模型开发和微调。几个国家的最先进的HTR之间的比较表明，专门为阿拉伯语，能够实现出错率低于5%，只有10页手动转录基于单词的神经方法的相关性。这些结果打开了阿拉伯语脚本处理，更普遍的是为穷人赋予的语言处理的新视角。这项研究是与GIS MOMM和BULAC合作开发RASAM数据集的一部分。
2022-11-29 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
A probabilistic framework for handwritten text line segmentation
Computer Vision Center（计算机视觉中心）；Universitat Autònoma de Barcelona（巴塞罗那自治大学）
我们成功地结合期望最大化算法和变分方法的参数学习和计算推理的马尔可夫随机场。这是一种通用的方法，可以应用于许多计算机视觉任务。在本文中，我们将其应用到手写文本行分割。我们进行了几个实验，证明我们的方法处理这个任务的常见问题，如复杂的文档布局或非拉丁脚本。所获得的结果证明，我们的方法在不同的基准数据集上实现了最先进的性能，而无需任何特定的微调步骤。
2018-05-15 cs.CV cs.LG
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
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
Bangla Handwritten Digit Recognition and Generation
Jahangirnagar University（贾汉吉尔纳加尔大学）
手写体数字识别是模式识别领域的经典课题之一，并且由于最近计算资源的广泛可用性而取得了巨大的进步。对英文、阿拉伯文、中文、日文手写体的研究已经相当丰富。在孟加拉语方面也做了一些工作，但还有发展的空间。从这个角度出发，本文实现了一种架构，该架构在BHAND数据集上实现了99.44%的验证准确率，并且优于Alexnet和Inception V3架构。除了数字识别之外，数字生成是最近引起研究人员注意的另一个领域，尽管在这一领域特别是在孟加拉语上做的工作并不多。本文将半监督生成对抗网络（SGAN）应用于孟加拉语手写体数字的生成，并成功地生成了孟加拉语数字。
2021-03-14 cs.CV cs.LG
