High Cursive Complex Character Recognition using GAN External Classifier
Department of Computer Science and Engineering University of Asia Pacific(计算机科学与工程系亚洲太平洋大学)
针对手写草书复杂字符分类难度高的问题,提出结合GAN的外部分类器ADA-GAN,通过生成带对抗扰动的伪造字符扩充训练数据,相比卷积神经网络在复杂草书字符识别上更鲁棒有效。
2025-09-03 cs.CV
Handwritten and Printed Text Segmentation: A Signature Case Study
Thomson Reuters AI Labs(汤森路透人工智能实验室)
针对扫描文档中手写与印刷文本重叠影响OCR及下游NLP任务的问题,本研究提出新的分割方法与模型架构,构建真实法律文档数据集SignaTR6K,在两个数据集上的IoU得分较现有工作分别提升17.9%和7.3%。
2023-08-25 cs.AI cs.CV cs.LG
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
Urdu Handwritten Text Recognition Using ResNet18
National University of Computer and Emerging Sciences(国家计算机与新兴科学大学)
手写文本识别是深度学习和人工智能领域的一个活跃研究领域,用于将手写文本转换为机器可理解的文本。其他语言,特别是英语,已经做了很多工作,但由于乌尔都语字符的草书性质,乌尔都语的工作非常少。由于技术的进步,对乌尔都语HCR系统的需求正在增加。在本文中,我们提出了一个ResNet 18模型的手写文本识别使用乌尔都语Nastaliq手写数据集(UNHD),其中包含3,12000字写的500名候选人。
2021-02-19 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Urdu Katib Handwritten Dataset: A Historical Document Dataset for Offline Urdu Handwritten Text Recognition with CRNN-Based Baseline Evaluation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
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
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
TMIXT: A process flow for Transcribing MIXed handwritten and machine-printed Text
Durham University(杜伦大学);Newcastle University(纽卡斯尔大学);Southern University of Science and Technology(南方科技大学)
处理大量文件在许多领域都非常重要,在犯罪调查和辩护领域也是如此,在这些领域,一个组织可能会收到大量需要在有限时间内处理的扫描文件。然而,这一问题因需要处理的扫描文件数量和页面复杂性而更加严重。通常包含许多不同的元素,每个元素都需要处理和理解。文本识别是该过程的主要任务,通常取决于文本的类型,是手写的还是机器打印的。因此,在决定要应用的识别方法之前,识别涉及文本类别的在先分类。如果文档同时包含手写和机器打印的文本,这就提出了一个更具挑战性的任务。在这项工作中,我们提出了一个通用的处理流程,在扫描文档中包含混合手写和机器打印的文本识别,而不需要提前分类文本。我们使用几个开源的图像处理和文本识别包1来实现所提出的过程流。该评估是使用本工作中提出的IAM手写数据库专门开发的变体进行的,对于包含印刷文本和手写文本的页面,我们实现了近80%的平均转录准确度。
2019-04-28 cs.CV cs.IR cs.LG
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
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
Handwritten and Printed Text Separation in Real Document
LORIA - Université de Lorraine(洛林大学洛林信息学及其应用实验室);ITESOFT(ITESOFT公司)
本文的目的是从嵌入噪声、图形(包括注释)的真实文档中分离手写和打印文本。该方法以游程平滑算法(RLSA)为基础,将提取的伪行和伪字作为分类的基本块。为了处理这个问题,一个多类支持向量机(SVM)与高斯内核执行第一个标签的每个伪字,包括研究当地的邻居。然后,它在邻居之间传播上下文,以便我们可以纠正可能的标签错误。考虑到运行的时间复杂度问题,我们提出了线性复杂度的方法,我们使用的k-NN与约束。当使用kd树时,它几乎与伪单词的数量成线性比例。我们的系统的性能接近90%,即使是非常小的学习数据集,其中样本基本上由复杂的行政文档组成。
2013-03-19 cs.CV
Recognition Confidence Analysis of Handwritten Chinese Character with CNN
South China University of Technology(华南理工大学)
本文提出了一种基于高性能卷积神经网络(CNN)的softmax回归得分的手写体汉字识别置信度分析方法。通过对从8836个不同类别的汉字中随机抽取的827,685个测试样本进行细致、全面的统计,发现基于CNN的置信度度量是衡量识别结果可靠性的一个有用指标。此外,我们发现,通过实验,识别置信度可以用来找出相似的和易混淆的字符对,检查错误或草书的样本,甚至发现和纠正错误标记的样本。在这项研究中,我们给出了许多有趣的观察和统计数据,并进行了分析。
2015-05-25 cs.CV
A multi-stream hmm approach to offline handwritten arabic word recognition
University Sidi Mohamed Ben Abdellah(西迪·穆罕默德·本·阿卜杜拉大学)
本文提出了一种新的手写体阿拉伯文字识别系统的方法。目的是提出方法分析脱机识别手写阿拉伯文的快速实施。在书写识别系统的第一部分是预处理阶段是预处理阶段准备的数据被引入和提取一组简单的统计特征通过两种方法:从一个窗口,这是滑动长的文本行从右到左和方法VH2D(包括在投影每个字符的横坐标,纵坐标和对角线45°和135°)。然后将得到的特征向量注入到隐马尔可夫模型(HMM)中,并通过多流方法将两个HMM结合起来。
2013-09-10 cs.CV
Template-Instance Loss for Offline Handwritten Chinese Character Recognition
Institute of Artificial Intelligence, Shanghai Em-Data Technology Co., Ltd.(上海Em-Data科技有限公司人工智能研究院);Shanghai Jiao Tong University(上海交通大学);Hong Kong University of Science and Technology(香港科技大学)
脱机手写汉字识别(HCCR)长期以来面临的挑战是双重的:汉字可能非常多样和复杂,但外观相似,而草书手写(由于书写速度加快和不频繁的提笔)使笔划甚至字符以流畅的方式连接在一起。本文提出了脱机手写体汉字识别中相关机器学习任务的模板和实例损失函数。首先,设计了汉字模板,以处理汉字之间的内在相似性。第二,实例损失可以根据分类难度降低类别方差,对手写体汉字的离群实例给予较大的惩罚。使用我们的深度网络架构HCCR 14层模型(由简单层组成),使用新的损失函数进行训练,我们的大量实验表明,它可以产生最先进的性能,甚至超越离线HCCR。
2019-10-12 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
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
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
Handwritten and Printed Text Segmentation via Region-Aware Human-Writing Descriptor Engineering
College of Computer Science, Chengdu University(成都大学计算机科学学院);Key Laboratory of Digital Innovation of Tianfu Culture, Sichuan Provincial Department of Culture and Tourism, Chengdu University(成都大学四川省文化和旅游厅天府文化数字创新重点实验室);Machine Intelligence Laboratory, College of Computer Science, Sichuan University(四川大学计算机科学学院机器智能实验室);Tianfu Jincheng Laboratory(天府锦城实验室);Network Information Centre, Hainan College of Economics and Business(海南经贸职业技术学院网络信息中心)
为解决手写和印刷文本分割中深度学习模型计算成本高的问题,提出轻量级框架。先通过句子级连通分量分割算法提取片段,再设计区域感知手写描述符,简单分类器可集成,实验表明该框架在准确率和效率上优于现有方法,适合轻量级部署。
2026-07-20 cs.CV
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
Handwritten Bangla Character Recognition Using The State-of-Art Deep Convolutional Neural Networks
University of Dayton(代顿大学);Saint Louis University(圣路易斯大学);Comcast Labs(康卡斯特实验室)
尽管在对象识别技术的进步,手写孟加拉语字符识别(HBCR)仍然在很大程度上没有解决,由于存在许多模糊的手写字符和过于草书的孟加拉语笔迹。即使是最好的现有的识别器不导致令人满意的性能与孟加拉语字符识别的实际应用程序,并具有比那些开发的英语字母数字字符低得多的性能。为了提高HBCR的性能,本文提出了最先进的深度卷积神经网络(DCNN)的应用,包括VGG网络,全卷积网络(All-Conv Net),网络中的网络(NiN),残差网络,分形网络和密集网络HBCR。深度学习方法具有提取和使用特征信息的优点,提高了对平移、缩放和其他失真具有高度不变性的2D形状的识别。我们系统地评估了DCNN模型在公共可用的孟加拉语手写字符数据集CMATERdb上的性能,并在使用DCNN模型时实现了卓越的识别精度。这一改进将有助于构建用于实际应用的自动HBCR系统。
2018-02-10 cs.CV
A Novel Pipeline for Improving Optical Character Recognition through Post-processing Using Natural Language Processing
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校)
本文提出一种端到端流水线,先对手写或印刷文本执行OCR,再利用自然语言处理进行后处理,以解决相似字符和手写变体导致的识别准确率有限问题。
2023-07-09 cs.AI cs.CV
ScrabbleGAN: Semi-Supervised Varying Length Handwritten Text Generation
Cornell Tech, Cornell University(康奈尔大学康奈尔科技学院);Amazon Rekognition, Israel(亚马逊图像识别(以色列))
光学字符识别(OCR)系统性能在深度学习时代有了显著提高。对于手写文本识别(HTR)来说尤其如此,因为每个作者都有独特的风格,而不像印刷文本,印刷文本的设计差异较小。也就是说,基于深度学习的HTR与其他任务一样,受到训练样本数量的限制。收集数据是一项具有挑战性且成本高昂的任务,更重要的是,接下来的标签任务,我们在这里重点关注。减少数据标注负担的一种可能的方法是半监督学习。与完全监督方法相比,半监督方法除了使用标记数据外,还使用一些未标记的样本来提高性能。因此,这样的方法可以在测试时间期间适应于看不见的图像。我们提出了ScrabbleGAN,一种半监督的方法来合成手写文本图像,这些图像在风格和词汇方面都是通用的。ScrabbleGAN依赖于一种新的生成模型,可以生成任意长度的单词图像。我们展示了如何以半监督的方式操作我们的方法,享受前面提到的好处,例如性能提升超过最先进的监督HTR。此外,我们的生成器可以操作生成的文本样式。这允许我们改变,例如,文本是否是草书,或者笔触有多细。
2020-03-23 cs.CL cs.CV cs.LG
Automatic Removal of Marginal Annotations in Printed Text Document
University of Mysore(迈索尔大学)
从边缘区域添加手写注释的文档中恢复原始打印文本是具有挑战性的问题之一,特别是当原始文档不可用时。因此,本文的目的是自动打捞的原始文件从注释的文件,检测和删除任何手写注释出现在边缘区域的文件,而不会有任何损失的信息。这里提出了一种两阶段算法,其中在第一阶段中,由于利用水平和垂直投影轮廓的近似边缘边界检测,所有边缘注释以及可能看起来非常接近边缘边界的原始打印文本的某个部分被移除。因此,作为第二阶段,使用连接的组件,应用策略以带回在第一阶段期间裁剪的打印文本组件。所提出的方法进行了验证,使用50个文件的数据集具有复杂的手写注释,这给出了一个整体的准确性为89.01%,在删除的边缘注释和97.74%的情况下,检索原始的打印文本文档。
2014-08-09 cs.CV
Handwritten Bangla Digit Recognition Using Deep Learning
University of Dayton(代顿大学)
尽管模式识别技术取得了进步,但由于孟加拉语手写体中存在许多令人困惑的字符和过多的草书,手写孟加拉语字符识别(HBCR)(例如字母数字和专用字符)在很大程度上仍未解决。即使是现有的最好的识别器也不能为实际应用带来令人满意的性能。为了提高手写孟加拉数字识别(HBDR)的性能,我们在此提出了一种基于深度神经网络的新方法,该方法最近在许多模式识别和机器学习应用中表现出优异的性能,但尚未完全尝试用于HBDR。介绍了基于深度信念网络(DBN)、卷积神经网络(CNN)、带丢弃的CNN、带丢弃和高斯滤波器的CNN、带丢弃和Gabor滤波器的CNN的孟加拉数字识别技术。这些网络具有提取和使用特征信息的优点,提高了对二维的形状的识别,具有对平移、缩放和其他模式失真的高度不变性。我们系统地评估了我们的方法在公共可用的孟加拉数字图像数据库命名为CMATERdb 3.1.1的性能。从实验中,我们取得了98.78%的识别率使用所提出的方法:CNN与Gabor特征和辍学,这优于国家的最先进的算法HDBR。
2017-05-07 cs.CV
HATFormer: Historic Handwritten Arabic Text Recognition with Transformers
NC State University(北卡罗来纳州立大学);Khayrallah Center for Lebanese Diaspora Studies(黎巴嫩侨民研究海拉拉中心)
本文提出HATFormer,一种基于Transformer编码器-解码器架构的历史手写阿拉伯文本识别模型,通过定制图像处理器、文本分词器和训练管道,在公开历史数据集上实现8.6%的字符错误率,较最佳基线提升51%。
2025-04-03 cs.CL cs.CV cs.LG
Open Source Handwritten Text Recognition on Medieval Manuscripts using Mixed Models and Document-Specific Finetuning
University of Würzburg(维尔茨堡大学);CIS, LMU Munich(慕尼黑大学信息与语言处理中心)
本文论述了实用和开源的手写文本识别(HTR)的任务,对德国中世纪手稿。我们报告了我们构建混合识别模型的努力,这些模型可以在没有任何进一步的特定于文档的训练的情况下开箱即用,但也可以作为微调的起点,通过在几页转录文本(地面实况)上训练一个新模型。为了对混合模型进行训练,我们收集了35篇论文和案例。12.5k文本行,用于两种广泛使用的手写风格,哥特式和Bastarda草书。在四个未见过的手稿上评估混合模型,平均字符出错率(CER)为6.22%。经过2页、4页和最终32页的训练后,CER分别下降到3.27%、2.58%和1.65%。虽然模型的域内识别和训练(Bastarda模型到Bastarda材料,Gothic到Gothic)毫无疑问产生了最好的结果,但将领域模型微调到看不见的脚本仍然优于从头开始训练。我们的新混合模型已公开提供给社区。
2022-01-19 cs.CV
Huruf: An Application for Arabic Handwritten Character Recognition Using Deep Learning
Islamic University of Technology(伊斯兰技术大学)
手写体识别一直是人工智能领域的研究热点。由于它在现实生活中的广泛应用,人们对它进行了广泛的研究,其中最突出的是对拉丁文字的研究。然而,阿拉伯手写字符识别的领域仍然相对未开发。阿拉伯文字固有的草书性质和个人写作风格的差异使这项任务更具挑战性。我们确定了这背后的一些可能的原因,并提出了一个轻量级的卷积神经网络为基础的架构,识别阿拉伯字符和数字。建议的流水线由总共18层组成,每层包含四个卷积层,池化层,批量归一化层,丢弃层,最后是一个全局平均池化层和一个密集层。此外,我们深入研究了超参数的不同选择,例如优化器的选择,内核初始化器,激活函数等。在公开可用的“阿拉伯手写字符数据集(AHCD)”和“修改的阿拉伯手写数字数据库(MadBase)”数据集上评估所提出的架构,所提出的模型分别实现了96.93%和99.35%的准确度,这与最新技术水平相当,并且使其成为现实生活中端级应用的合适解决方案。
2022-12-24 cs.CV
A Lexicon and Depth-wise Separable Convolution Based Handwritten Text Recognition System
Panjab University(旁遮普大学);D.M. College(D.M.学院);Physical Research Laboratory(物理研究实验室)
手写体文本识别是模式识别领域中一个具有挑战性的研究课题。当前最先进的方法包括基于卷积递归神经网络和多维长短期记忆递归神经网络技术的模型。这些方法的计算量很大,而且模型在设计层次上很复杂。在最近的研究中,与基于卷积递归神经网络的模型相比,基于卷积神经网络和门控卷积神经网络的模型的组合展示了更少数量的参数。在减少待训练参数总数的方向上,在这项工作中,我们使用深度卷积代替标准卷积,结合门控卷积神经网络和双向门控递归单元来减少待训练参数的总数。此外,我们还包括一个基于词典的词束搜索解码器在测试步骤。它还有助于提高模型的整体准确性。我们在IAM数据集上获得了3.84%的字符出错率和9.40%的单词出错率,在George Washington数据集上获得了4.88%的字符出错率和14.56%的单词出错率。
2022-07-11 cs.CV
Illegible Text to Readable Text: An Image-to-Image Transformation using Conditional Sliced Wasserstein Adversarial Networks
从古文字记录图像中自动识别文字是谱学领域的一个重要课题。然而,诸如变化的噪声条件、消失的文本和手写的变化等关键挑战使得识别任务变得困难。我们通过开发一个手写到机器打印的条件生成对抗网络(HW 2 MP-GAN)模型来解决这个问题,该模型将手写识别制定为文本图像到文本图像的翻译问题,其中给定的图像(通常是难以辨认的形式)被转换为另一个图像,接近其机器打印形式。该模型由三个部分组成,包括一个发生器,单词级和字符级的歧视。该模型在HW 2 MP-GAN中集成了切片Wasserstein距离(SWD)和U-Net架构,以实现更高质量的图像到图像转换。我们的实验表明,HW 2 MP-GAN在Frechet手写距离(FHD)方面优于最先进的基线cGAN模型近30,平均Levenshtein距离为0.6,IAM数据库上图像到图像翻译的单词准确率为39%。此外,与IAM数据库上的基线手写识别模型相比,HW 2 MP-GAN将手写识别单词的准确性提高了1.3%。
2019-10-11 cs.CV cs.LG eess.IV
End-to-End Optical Character Recognition for Bengali Handwritten Words
Bangladesh University of Business & Technology(孟加拉商业与技术大学);King Abdulaziz University(阿卜杜勒阿齐兹国王大学)
光学字符识别(OCR)是一种使用文档图像将模拟文档转换为数字文档的过程。目前,存在许多商业和非商业OCR系统,用于不同语言的手写和打印副本。尽管如此,在识别孟加拉语单词的情况下,很少有作品可用。其中,大部分的作品集中在印刷孟加拉字符的OCR。本文介绍了一个端到端的孟加拉语OCR系统。所提出的架构实现了一个端到端的策略,识别手写孟加拉字的手写文字图像。我们使用流行的卷积神经网络(CNN)架构进行实验,包括DenseNet,Xception,NASNet和MobileNet来构建OCR架构。此外,我们还尝试了两种不同的递归神经网络(RNN)方法,LSTM和GRU。我们使用BanglaMitting数据集(这是一个经过同行评审的孟加拉语手写图像数据集)来评估所提出的架构。该方法实现了0.091字符出错率和0.273字出错率执行使用DenseNet121模型与GRU递归层。
2021-05-09 cs.CV cs.IR
A Hybrid Deep Learning Model for Arabic Text Recognition
Princess Sumayah School for Technology(苏玛雅公主技术学院)
阿拉伯语文本识别是一项具有挑战性的任务,因为阿拉伯语书写系统的草书性质,其联合书写方案,大量的连字和许多其他挑战。深度学习DL模型在包括计算机视觉和序列建模在内的众多领域取得了重大进展。本文提出了一个模型,可以识别阿拉伯语文本,使用多种字体类型,包括字体,模仿阿拉伯手写体。该模型采用混合DL网络,可以识别阿拉伯语印刷文本,而不需要字符分割。该模型在一个自定义数据集上进行了测试,该数据集由使用18种不同阿拉伯字体类型生成的200多万个单词样本组成。测试过程的目的是评估该模型识别代表各种草书风格的各种阿拉伯字体的能力。该模型在识别字符和单词时取得了较好的效果,在未知数据上的字符识别也取得了较好的效果。准备好的模型、自定义数据集和用于生成类似数据集的工具包是公开可用的,这些工具可以用于准备识别其他字体类型的模型,以及进一步扩展和增强所提出的模型的性能。
2020-09-04 cs.CL cs.CV cs.LG
A Simplified Un-Supervised Learning Based Approach for Ink Mismatch Detection in Handwritten Hyper-Spectral Document Images
Institute of Space Technology(空间技术研究所)
超光谱成像已成为光学成像系统领域的最新发展趋势。在各种其他应用中,超光谱成像已被广泛用于分析印刷和手写文档。本文提出了一种有效的技术,用于估计的数量不同,但明显相似的墨水存在于超光谱文档图像。我们的方法是基于非监督学习,不需要任何先验知识的数据集。该算法在iVision HHID数据集上进行了测试,并取得了与文献中的算法状态相当的结果。这项工作可以证明是有效的,在早期阶段的高光谱文档图像的伪造检测。
2022-06-11 cs.CV cs.LG
GatedLexiconNet: A Comprehensive End-to-End Handwritten Paragraph Text Recognition System
Panjab University(旁遮普大学);D.M. College(D.M.学院);Department of Computer Science and Applications(计算机科学与应用系)
本研究提出端到端手写段落识别系统GatedLexiconNet,结合内部行分割、门控卷积编码器与注意力机制,并集成基于CTC的词束搜索解码器,在IAM、RIMES和READ-2016数据集上取得低错误率。
2024-04-22 cs.CV cs.LG
Towards Fully Automated Exam Grading: Fairness-Aware Recognition of Handwritten Answers with Foundation Models
Institute for Machine Learning and Analytics (IMLA), Offenburg University(奥芬堡大学机器学习和分析研究所(IMLA))
提出使用视觉-语言基础模型(VLM)识别手写答案,在61份考试(3141个答案位置)上达到98.4%准确率,并通过轻量提示将假阴性率降至0.58%,实现公平的全自动评分。
2026-06-11 cs.AI cs.CV
Recognition-free Question Answering on Handwritten Document Collections
TU Dortmund University(多特蒙德工业大学)
近年来,基于文档图像的问答研究取得了长足的进展。目前,来自文档图像分析社区的QA方法主要集中在机器打印的文档上,并且对手写的执行相当有限。这主要是由于手写文档的识别性能降低。为了解决这个问题,我们提出了一个免擦除的QA方法,特别是专为手写文档图像集。我们提出了一个强大的文档检索方法,以及两个QA模型。我们的方法在具有挑战性的BenthamQA和HW-SQuAD数据集上的表现优于最先进的无干扰模型。
2022-02-12 cs.CV
Printed Arabic Text Recognition using Linear and Nonlinear Regression
Al Imam Mohammad Ibn Saud Islamic University(伊玛目穆罕默德·本·沙特伊斯兰大学);Cairo University(开罗大学)
阿拉伯语是世界上最流行的语言之一。世界上许多国家的数亿人将阿拉伯语作为母语。然而,由于阿拉伯语的复杂性,与英文和中文相比,印刷和手写的阿拉伯文本的识别在很长一段时间内都没有被触及。虽然在过去的几年里,在识别印刷和手写阿拉伯文本方面已经做了大量的研究,但由于阿拉伯文字的草书性质,它仍然是一个开放的研究领域。提出了一种基于线性和椭圆回归的印刷体阿拉伯文文本自动识别技术。在收集每个字符的所有可能形式之后,生成唯一代码来表示每个字符形式。每个代码都包含一系列行和椭圆。为了识别字体,识别唯一的代码列表以用作字体的指纹。所提出的技术已被评估使用超过14000个不同的阿拉伯语单词与不同的字体和实验结果表明,所提出的技术的平均识别率为86%。
2017-02-05 cs.CV
Offline Handwritten Mathematical Recognition using Adversarial Learning and Transformers
Panjab University(旁遮普大学)
脱机手写数学表达式识别(HMER)是数学表达式识别领域的一个重要研究方向。由于缺乏时间信息和写作风格的可变性,离线HMER通常被视为比在线HMER更难的问题。在本文中,我们提出了一个使用配对对抗学习的编码器-解码器模型。从手写数学表达式图像和它们在编码器中的印刷数学表达式对应物中提取语义不变特征。语义不变特征的学习结合DenseNet编码器和Transformer解码器,帮助我们提高了以前研究的表达率。在CROHME数据集上进行评估,我们已经能够将最新的CROHME 2019测试集结果提高约4%。
2022-08-20 cs.CV
StackMix and Blot Augmentations for Handwritten Text Recognition
SBER AI;OCRV;MIPT(莫斯科物理技术学院);Lomonosov MSU(罗蒙诺索夫莫斯科国立大学)
本文提出了一个手写文本识别(HTR)系统,性能优于当前国家的最先进的方法。比较进行了三个themost最常用的HTR任务数据集,即边沁,IAM和圣加仑。此外,还提供了两个最近提出的数据集,彼得大帝手稿和HKR数据集的结果。本文描述了神经网络的架构和两种增加训练数据量的方法:模拟删除线文本的增强(手写印迹)和一种新的文本生成方法(StackMix),它在HTR任务中被证明是非常有效的。StackMix也可以应用于基于打印文本生成手写文本的独立任务。
2021-08-26 cs.CV
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
Generating Handwritten Chinese Characters using CycleGAN
University of British Columbia(不列颠哥伦比亚大学)
汉字书写在东亚地区一直是一项重要的技能。然而,由于汉字的数量庞大,手写体汉字的自动生成是一个巨大的挑战。各种机器学习技术已被用于识别汉字,但很少有工作研究手写体汉字生成问题,特别是不成对的训练数据。在这项工作中,我们制定了中文手写字符生成的问题,学习从现有的印刷字体映射到个性化的手写风格。我们进一步提出了DenseNet CycleGAN来生成中文手写体字符。我们的方法不仅适用于常用的汉字,也适用于具有美学价值的书法作品。此外,我们提出内容准确性和风格差异作为评估指标来评估所生成的手写字符的质量。然后,我们使用我们提出的指标来评估从CASIA数据集以及我们新引入的兰亭书法数据集生成的字符。
2018-01-25 cs.CV
Adversarial Ink: Componentwise Backward Error Attacks on Deep Learning
University of Edinburgh(爱丁堡大学);The Maxwell Institute for Mathematical Sciences(麦克斯韦数学科学研究所)
本文基于向后误差与条件数理论,提出采用分量相对扰动的“对抗墨水”攻击,在真实图像上验证其隐蔽性与安全风险,并以分量条件数量化模型脆弱性。
2023-06-05 cs.AI cs.NA math.NA
Neural Computing for Online Arabic Handwriting Character Recognition using Hard Stroke Features Mining
Prince Sultan University(苏丹亲王大学);Universiti Teknologi Malaysia(马来西亚理工大学)
由于阿拉伯草书的书写风格、书写速度、书写者心情等因素的影响,在线阿拉伯草书字符识别仍然是一个很大的挑战。由于这些不可避免的限制,在线阿拉伯字符识别的准确率仍然很低,还有改进的空间。本研究提出一种从手写笔长特征的纵横方向上提取在线阿拉伯文字识别中所需关键点的改进方法。每个提取的笔画特征将每个孤立的字符划分为一些有意义的模式,称为标记。从这些标记中提取最小特征集,使用多层感知器与反向传播学习算法和修改的基于S形函数的激活函数进行字符分类。在这项工作中,实现了两个里程碑;首先,获得固定数量的令牌,其次,最小化最重复的令牌的数量。实验中,手写体阿拉伯字符从OHASD基准数据集选择测试和评估所提出的方法。所提出的方法达到了98.6%的平均准确率在最先进的字符识别技术。
2021-01-15 cs.CL cs.CV
Handwritten text generation and strikethrough characters augmentation
SBER AI;OCRV;SBER AI, MIPT(SBER AI,莫斯科物理技术学院);SBER AI, Lomonosov MSU(SBER AI,莫斯科国立罗蒙诺索夫大学);SBER AI, AIRI(SBER AI,人工智能研究院)
我们介绍了两种数据增强技术,与Resnet-BiLSTM-CTC网络一起使用,显着降低了字出错率(WER)和字符出错率(CER),超出了手写文本识别(HTR)任务的最佳报告结果。我们应用了一种新的增强,模拟删除线文本(手写印迹)和手写文本生成方法的基础上打印文本(StackMix),这被证明是非常有效的HTR任务。StackMix使用弱监督框架来获取字符边界。由于这些数据增强技术与所使用的网络无关,因此它们也可用于增强其他网络和HTR方法的性能。在10个手写文本数据集上的大量实验表明,HandWritten Blots增强和StackMix显著提高了HTR模型的质量
2021-12-14 cs.CV
WildHandBench: A Benchmark for Handwritten Text Understanding that Challenges MLLMs and Humans
本文提出WildHandBench手写文本理解基准,引入PDE指标评估模型错误成因,实验发现最优MLLMs仅达71.85%准确率,人类表现更优但差距小,模型错误多由语言先验导致。
2026-08-25 cs.AI 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
Full Page Handwriting Recognition via Image to Sequence Extraction
Turnitin(Turnitin公司)
我们提出了一个基于神经网络的手写文本识别(HTR)模型架构,可以训练识别整页的手写或打印文本,而无需图像分割。基于图像到序列架构,它可以提取图像中存在的文本,然后正确地对其进行排序,而不对文本和非文本的方向,布局和大小施加任何约束。此外,它还可以被训练来生成与格式、布局和内容相关的辅助标记。我们使用字符级词汇,从而使任何主题的语言和术语。该模型实现了一个新的国家的最先进的段落级识别的IAM数据集。当对真实世界的手写自由形式测试答案进行扫描时-被弯曲和倾斜的线条,图纸,表格,数学,化学和其他符号包围-它的性能优于所有商用HTR云API。它作为商业Web应用程序的一部分部署在生产中。
2022-06-26 cs.AI cs.CL cs.CV
Doctors Handwritten Prescription Recognition System In Multi Language Using Deep Learning
Panimalar Institute of Technology(帕尼马尔理工学院)
医生通常用难以理解的笔迹书写,这使得公众和一些药剂师很难理解他们开的药。他们每天要处理数十名病人,工作繁忙,所以要他们安静地、有条理地书写处方,并不理想,因为他们的字迹很难辨认。这可能会导致报告或处方由简短的表格和草书组成,一般人或药剂师无法正确阅读,这将导致处方药拼写错误。然而,有些人习惯于用地方语言写处方,因为我们都生活在一个有多种地方语言的地区。这使得分析内容更具挑战性。因此,在这个项目中,我们将使用识别系统来构建一个工具,可以将医生的笔迹翻译成任何语言。该系统将成为一个完全自主运行的应用程序。当用户上传处方图像时,程序将通过执行图像预处理对图像进行预处理,并在处理图像进行训练之前进行分词。它将针对我们需要模型检测的每种语言进行。从推导模型开始,将使用深度学习技术,包括CNN,RNN和LSTM,这些技术用于训练模型。为了匹配将写入系统的各种语言的单词,将使用Unicode。此外,采用模糊搜索和市场篮分析来提供最终结果,该最终结果将从药物数据库中进行优化并作为结构化输出显示给用户。
2022-10-21 cs.CV cs.LG cs.NE
Deep Learning-Driven Approach for Handwritten Chinese Character Classification
Hong Kong University of Science and Technology(香港科技大学);Sparcus Technologies Limited(Sparcus科技有限公司)
本文提出了一种高度可扩展的深度学习方法,用于手写汉字分类,通过引入模型架构、数据预处理步骤和测试设计指南,解决了现有方法泛化性差和结构复杂的问题,并通过实验验证了其性能改进。
2024-03-27 cs.CV cs.LG
Handwritten Text Segmentation via End-to-End Learning of Convolutional Neural Network
Seoul National University(首尔大学);Ajou University(亚洲大学)
本文提出了一种新的手写体文本分割方法,通过端到端的方式训练卷积神经网络(CNN)。许多传统的方法解决了这个问题,通过提取连接组件,然后将它们分类。然而,当手写组件和机器打印的部分重叠时,这种两步方法具有局限性。与传统方法不同,我们针对这个问题开发了一个端到端的深度CNN,它不需要任何预处理步骤。由于没有公开可用的数据集用于此目标,并且像素级注释既耗时又昂贵,因此我们还提出了一种数据合成算法,该算法可以生成逼真的训练样本。为了训练我们的网络,我们开发了一个基于交叉熵的损失函数来解决不平衡问题。对合成图像和真实图像的实验结果表明了该方法的有效性。具体来说,所提出的网络仅在合成图像上进行训练,然而,去除真实文档中的手写文本将OCR性能从71.13%提高到92.50%,显示了我们的网络和合成图像的泛化性能。
2019-06-12 cs.CV
EASTER: Efficient and Scalable Text Recognizer
Optum, UnitedHealth Group(Optum,联合健康集团)
深度学习的最新进展导致光学字符识别(OCR)系统的发展,这些系统表现非常好。大多数研究都是围绕循环网络以及复杂的门控层进行的,这使得整体解决方案变得复杂且难以扩展。在本文中,我们提出了一个有效的和可扩展的文本识别器(EASTER)进行光学字符识别的机器印刷和手写文本。我们的模型使用1-D卷积层,没有任何递归,这使得并行训练的数据量大大减少。我们实验了我们的架构的多种变体,其中一个最小的变体(深度和参数数量)执行基于复杂选择的RNN。我们的20层最深变体优于RNN架构,在IIIT-5 k和SVT等基准数据集上具有良好的利润率。我们还展示了对离线手写文本识别任务的当前最佳结果的改进。我们还提供了具有增强设置的数据生成管道,以生成手写和机器打印文本的合成数据集。
2020-08-19 cs.CV stat.ML
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
Zero-shot Generation of Training Data with Denoising Diffusion Probabilistic Model for Handwritten Chinese Character Recognition
Microsoft Research Asia(微软亚洲研究院);University of Science and Technology of China(中国科学技术大学)
本文提出利用去噪扩散概率模型将字库字形转换为手写风格,实现未见汉字类别的零样本训练数据生成,并在CASIA-HWDB上验证了合成样本训练的手写汉字识别系统可与真实样本训练效果相当。
2023-05-25 cs.CV
Have convolutions already made recurrence obsolete for unconstrained handwritten text recognition ?
Normandie University(诺曼底大学);University of Rouen(鲁昂大学)
无约束手写文本识别仍然是深度神经网络的一个重要挑战。最近几年,循环网络,更具体地说,长短期记忆网络在该领域取得了最先进的性能。然而,它们是由大量的可训练参数和训练循环神经网络不支持并行。这直接影响了这些架构的培训时间,也直接影响了探索各种架构所需的时间。最近,已经提出了具有门控机制的全卷积网络等无递归架构作为实现竞争结果的一种可能的替代方案。在本文中,我们探索卷积架构,并将其与CNN+BLSTM基线进行比较。我们提出了一个实验研究,关于不同的架构上的离线手写识别任务使用的RIMES数据集,和它的修改版本,包括增强的图像与笔记本背景的印刷网格。
2020-12-09 cs.CV