Transforming faces into video stories -- VideoFace2.0
Department of Power, Electronic and Telecommunication Engineering（电力、电子与电信工程系）；Faculty of Technical Sciences, University of Novi Sad（技术科学学院，诺维萨德大学）；Visual Computing & Perception Group（视觉计算与感知组）；The Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研究与开发研究所）
本文提出VideoFace2.0系统，通过融合人脸检测、识别与被动检测跟踪实现近实时人脸重识别，支持视频结构化编目，并在实验中显著减少了虚假身份，适用于媒体制作和多模态数据集构建。
2025-05-08 cs.CV
Joint Line Segmentation and Transcription for End-to-End Handwritten Paragraph Recognition
A2iA SAS（A2iA公司）
离线手写识别系统需要裁剪的文本行图像用于训练和识别。一方面，在行级别的位置和成绩单的注释是昂贵的获得。另一方面，自动直线分割算法容易出现错误，影响后续的识别。在本文中，我们提出了一个流行的和有效的多维长短期记忆递归神经网络（MDLSTM-RNN）的修改，使手写段落的端到端处理。更具体地说，我们取代了崩溃层转换的二维表示成一个序列的预测的一个经常性的版本，可以识别一行一次。在该模型中，一个神经网络执行一种隐式线分割通过计算注意力的图像表示的权重。Rimes和IAM数据库的段落上的实验产生的结果是有竞争力的在线水平上训练的网络，并构成了一个重要的一步，端到端的转录完整的文件。
2016-04-28 cs.CV cs.LG cs.NE
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
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
Temporal-Spatial Mapping for Action Recognition
深度学习模型在图像相关的计算机视觉任务中取得了巨大成功，如图像分类和目标检测。然而，对于与视频相关的任务，如人类动作识别，进步还没有那么显著。主要的挑战是缺乏有效和高效的模型来建模视频中丰富的时空信息。我们介绍了一个简单而有效的操作，称为时空映射（TSM），用于捕获的时间演变的帧，通过共同分析的所有帧的视频。我们提出了一种视频级的2D特征表示，通过将所有帧的卷积特征转换为2D特征图，称为VideoMap。每一行都是帧的矢量化特征表示，时空特征得到了完整的表示，同时时间动态演化也得到了很好的嵌入。基于VideoMap表示，我们进一步提出了一个浅层卷积神经网络内的时间注意力模型，以有效地利用时空动态。实验结果表明，该方案实现了最先进的性能，与时间段网络（TSN），竞争基线方法，具有挑战性的人类动作基准数据集HMDB51的4.2%的准确率增益。
2018-09-11 cs.CV
Inability of spatial transformations of CNN feature maps to support invariant recognition
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文证明CNN特征图的空间变换无法实现一般仿射变换下的不变性识别，除非特征本身不变，仅对旋转反射在特定网络下有效。
2020-04-30 cs.CV cs.LG
PAM: Pose Attention Module for Pose-Invariant Face Recognition
National Tsing Hua University（台湾清华大学）
姿态变化是人脸识别的关键挑战之一。传统的技术主要集中在图像空间中的人脸正面化或人脸增强。然而，在图像空间中变换人脸图像并不能保证无损地保留原始图像的身份特征。此外，这些方法遭受更多的计算成本和内存需求，由于额外的模型。我们认为，它是更可取的，在分层特征空间，而不是图像空间，它可以利用不同的特征水平和受益于联合学习与表示学习进行特征变换。为此，我们提出了一个轻量级的和易于实现的注意块，命名为姿势注意模块（PAM），姿态不变的人脸识别。具体地说，PAM执行前端轮廓特征变换的分层特征空间，通过学习姿态变化之间的残差与软门机制。我们通过广泛的消融研究验证了PAM块设计的有效性，并在几个流行的基准测试中验证了性能，包括LFW、CFP-FP、CARDB-30、CPLFW和CALFW。实验结果表明，我们的方法不仅优于国家的最先进的方法，但也有效地减少了超过75倍的内存需求。值得注意的是，我们的方法并不局限于人脸识别与大姿态变化。通过将PAM的软门机制调整为特定系数，这种语义注意力块可以容易地扩展以解决人脸识别中的其他类内不平衡问题，包括年龄、光照、表情等的大变化。
2021-11-23 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
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
Image-to-Graph Transformers for Chemical Structure Recognition
Samsung Advanced Institute of Technology（三星先进技术研究院）
几十年来，化学知识一直以书面文本形式出版，并且已经进行了许多尝试来使其可访问，例如，通过将这种自然语言文本转换为结构化格式。虽然发现的化学物质本身通常在图像中表示是最重要的部分，但从文献中的图像中正确识别分子结构仍然是一个困难的问题，因为它们通常被缩写以减少复杂性并以许多不同的风格绘制。在本文中，我们提出了一个深度学习模型来从图像中提取分子结构。该模型的目的是将分子图像直接转换为相应的图形，这使得它能够处理非原子符号的缩写。此外，通过端到端的学习方法，它可以充分利用来自各种来源的许多开放的图像分子对数据，因此它比其他工具对图像风格变化更具鲁棒性。实验结果表明，该模型优于现有的模型与17.1%和12.8%，我们从文献中收集的知名的基准数据集和大分子图像，分别相对改善。
2022-02-19 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
Inertial Sensor Data To Image Encoding For Human Action Recognition
卷积神经网络（CNN）是计算机视觉领域中成功的深度学习模型。为了最大限度地发挥CNN模型在惯性传感器数据人体动作识别中的优势，本文采用4种空间域方法将惯性传感器数据转换为活动图像，并将其应用于一种新的融合框架中。这四种类型的活动图像是信号图像（SI），Gramian角场（GAF）图像，马尔可夫转移场（MTF）图像和递归图（RP）图像。此外，为了创建一个多模态融合框架，并利用活动图像，我们使每种类型的活动图像的多模态卷积与两个空间域滤波器：Prewitt滤波器和High-boost滤波器。Resnet-18是一种CNN模型，用于从多模态中学习深度特征。从每个ReNet的最后一个池层中提取学习特征，然后通过基于典型相关的融合（CCF）进行融合，以提高人体动作识别的准确性。这些高度信息化的特征被用作多类支持向量机（SVM）的输入。三个公开的惯性数据集上的实验结果表明，所提出的方法优于当前国家的最先进的。
2021-05-28 cs.CV cs.HC cs.LG
Trajectory-based Radical Analysis Network for Online Handwritten Chinese Character Recognition
University of Science and Technology of China（中国科学技术大学）
近年来，由于深度学习技术的出现，在线手写汉字识别取得了很大进展。然而，以往的研究大多将每个汉字作为一类，而没有明确考虑其内在结构，即具有复杂几何形状的偏旁构件。在这项研究中，我们提出了一种新的基于语义的偏旁分析网络（TRAN），首先识别偏旁，同时分析偏旁之间的二维结构，然后识别汉字，通过生成字幕的基础上，他们的内部偏旁的分析。建议TRAN采用递归神经网络（RNN）作为编码器和解码器。RNN编码器通过直接将手写轨迹转换为高级特征来充分利用在线信息。RNN解码器旨在通过注意力模型检测部首和空间结构来生成字幕。这种把汉字看作是二维的偏旁组合的方法可以减少词汇量，并使TRAN具有识别不可见汉字类的能力，只要对应的偏旁已经被看到。在CASIA-OLHWDB数据库上的实验结果表明，该方法的相对字符出错率（CER）降低了10%，明显优于现有的全字符建模方法。同时，对于500个未见过汉字的识别，TRAN可以达到约60%的字符准确率，而传统的整字方法没有能力处理它们。
2018-01-22 cs.CV
AI-based System for Transforming text and sound to Educational Videos
Mansoura University（曼苏拉大学）
本文提出基于GAN的AI系统，通过文本和语音转录、图像生成与视频合成，生成高质量的教育视频。
2026-01-16 cs.AI cs.CV cs.CY
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
Fine-grained Image-to-Image Transformation towards Visual Recognition
University of Rochester（罗切斯特大学）；Tencent AI Lab（腾讯人工智能实验室）
现有的图像到图像变换方法主要集中在合成视觉上令人愉悦的数据。生成具有正确身份标签的图像具有挑战性，但探索得少得多。更具有挑战性的是处理在姿态、视点或尺度上具有大变形的图像变换任务，同时保持身份，例如面部旋转和对象视点变形。在本文中，我们的目标是将图像与细粒度的类别，以合成新的图像，保持输入图像的身份，从而有利于后续的细粒度图像识别和少样本学习任务。所生成的图像，变换与大的几何变形，不一定需要高的视觉质量，但需要保持尽可能多的身份信息。为此，我们采用了一个基于生成对抗网络的模型来理清图像中与身份相关和不相关的因素。为了在变形变换过程中保持输入图像的细粒度上下文细节，提出了一种约束非对齐连接方法来构造生成器中中间卷积块之间的可学习高速公路。此外，提出了一种自适应身份调制机制，有效地将身份信息传递到输出图像中。在CompCars和Multi-PIE数据集上进行的大量实验表明，我们的模型比最先进的图像到图像转换模型更好地保留了生成图像的身份，从而显着提高了细粒度少样本学习的视觉识别性能。
2020-06-13 cs.CV
An Unpaired Shape Transforming Method for Image Translation and Cross-Domain Retrieval
KU Leuven（鲁汶大学）；University of Antwerp（安特卫普大学）；imec-IDLab
我们解决的问题，不成对的几何图像到图像的翻译。我们的目标不是将图像的风格作为一个整体进行转换，而是将对象的几何形状转换为在不同域中描绘的形状，同时保留其外观特征。我们的模型是以非配对的方式训练的，即在训练过程中不需要配对的图像。它在单个模型中执行形状转换的所有步骤，无需额外的后处理阶段。在VITON、CMU-Multi-PIE和我们自己的FashionStyle数据集上的实验表明了该方法的有效性。此外，我们表明，尽管他们的低维，我们的模型学习的功能是有用的项目检索任务。
2021-08-18 cs.CV
Kannada Character Recognition System A Review
M. S. Ramaiah Institute of Technology（M. S. 拉迈亚理工学院）
在过去的几十年里，人们对光学字符识别ocr进行了深入的研究，并发表了大量的论文。现在市场上有许多商业OCR系统，但这些系统大多适用于罗马，中文，日语和阿拉伯语字符。在印度的12种主要文字中，没有足够数量的关于印度语言字符识别的作品，特别是卡纳达语。本文介绍了现有的工作，印刷卡纳达文和他们的结果。详细讨论了卡纳达文的特点和卡纳达文字符识别系统kcr。最后提出在分类器级进行融合以提高识别精度。
2010-01-29 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
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
Image Type Water Meter Character Recognition Based on Embedded DSP
University of Jinan（济南大学）
本文将DSP处理器与图像处理算法相结合，研究了水表字符识别的方法。通过摄像机以固定角度采集水表图像，采用投影法对采集到的数字图像进行识别。实验结果表明，该方法能准确识别仪表字符，用数字自动识别代替人工抄表，提高了工作效率。
2015-08-27 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
Hilditchs Algorithm Based Tamil Character Recognition
SVS College of Engineering（SVS工程学院）
字符识别在当今的图像处理中起着至关重要的作用。它可以解决许多复合问题，使人类的工作更容易。一个实例是手写字符检测。手写识别并不是一项新的专业技术，但直到现在才得到社区的关注。设计出准确率为100%的手写体字符识别结构的最终目标是相当不切实际的。泰米尔手写体字符识别系统采用神经网络进行识别。利用神经网络和结构特征对手写体字符进行指导和识别。经过训练和测试，正确率达到99%。这个正确率是非常高的。本文通过Hilditch算法的基础和图像中字符的结构特征来探讨图像处理。我们认识到泰米尔语的一些特征，我们正试图在我们未来的作品中识别泰米尔语的所有特征。
2013-11-19 cs.CV
Application of Statistical Features in 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）
本文提出了一种脱机手写Devnagari字符识别方案，该方案采用不同的特征提取方法和识别算法。拟议的系统假设没有限制的写作风格或大小。首先对字符进行预处理和特征提取，即：提取链码直方图和不变矩特征，并将其作为初步识别步骤输入多层感知器。最后，两个MLP的结果结合使用加权多数方案。该系统进行了测试，1500手写devnagari字符数据库收集来自不同的人。据观察，该系统实现了前5个结果的识别率为98.03%，前1个结果的识别率为89.46%。
2010-06-30 cs.CV
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
A novel approach for handwritten Devnagari character recognition
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）；G.H. Raisoni College of Engineering（G.H.拉伊索尼工程学院）；University Of Calcutta（加尔各答大学）；Jadavpur University（贾达普大学）
本文提出了一种手写体梵文字符的识别方法。这里，特征向量由不同段中累积的方向梯度变化、字符的交叉点的数量、字符中存在的脊椎的类型和shirorekha的类型构成。一个多层感知器共轭梯度训练用于分类这些特征向量。将该方法应用于1000个样本字符的数据库，识别率为88.12%
2010-06-30 cs.CV
FormStruct-Bench:A Hierarchical and Diagnostic Benchmark for Table-Form Document Structure Recognition
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；University of Washington（华盛顿大学）
该研究提出FormStruct-Bench基准，通过分层评估表格型文档结构识别，发现现有系统在细粒度结构恢复上远弱于内容读取，为相关任务提供诊断依据。
2026-08-12 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
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
Cursive Multilingual Characters Recognition Based on Hard Geometric Features
Al Yamamah University（亚玛马大学）；Prince Sultan University（苏丹王子大学）
阿拉伯语、波斯语、乌尔都语等多种语言的手写体字符分割和识别吸引了学术界和工业界的研究者。然而，尽管经过几十年的研究，多语种汉字分类的准确性仍然不尽如人意。本文提出了一种多语种字符自动分割和识别的方法。所提出的方法探讨字符的几何特征的基础上。然而，由于不确定性和没有字典支持，很少有字符被过度划分。为了扩大所提出的方法的生产力，BPN准备了无数的部门重点草书多语言字符。所编写的BPN有效地分离出基分区指示和快速提高字符识别精度.为了进行合理的检查，仅使用基准数据集。
2019-04-07 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
Recognition of Handwritten Bangla Basic Characters and Digits using Convex Hull based Feature Set
Jadavpur University（贾达普大学）；The University of Iowa（爱荷华大学）
在处理不同形状和大小的手写字符模式的识别问题时，选择合适的特征集是获得高识别性能的重要因素。本研究旨在评估基于凸包的特征集的性能，即在一个模式的凸包的不同海湾属性上计算的125个特征，用于有效地识别孤立的手写孟加拉语基本字符和数字。在10000个样本的数据库的实验中，观察到的最大识别率为76.86%的手写孟加拉字符。对于孟加拉数字，最高成功率为99.45%。在12000个样本的数据库上实现。目前的工作验证了一种新的特征集识别手写孟加拉语基本字符和数字的实用性。
2014-10-02 cs.CV
Meta-learning of Pooling Layers for Character Recognition
Kyushu University（九州大学）
在基于卷积神经网络的字符识别中，池化层在降维和变形补偿中起着重要作用。然而，它们的核形状和池化操作是根据经验预先确定的;通常，使用固定大小的正方形核形状和最大池化操作。在本文中，我们提出了一个池化层的元学习框架。作为我们框架的一部分，提出了一个参数化池化层，其中内核形状和池化操作可以使用两个参数进行训练，从而允许灵活地池化输入数据。我们还提出了一个Meta学习算法的参数化池层，它允许我们获得一个合适的池层跨多个任务。在实验中，我们将所提出的元学习框架应用于字符识别任务。结果表明，通过元学习获得了一个适合于字符识别任务的池化层，并且所获得的池化层提高了模型在Few-Shot字符识别和噪声图像识别任务中的性能。
2021-07-12 cs.CV
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
Multiple Classifier Combination for Off-line 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）
本文提出了加权多数表决技术的应用，结合从三个多层感知器（MLP）为基础的分类器的手写Devnagari字符识别使用三个不同的特征集的分类决策。所使用的特征是相交，阴影特征和链码直方图特征。对字符图像全局计算阴影特征，将字符图像分割成不同的区域，计算交集特征和链码直方图特征。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92.16%，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。
2010-06-30 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
A Robust and Efficient Method for Improving Accuracy of License Plate Characters Recognition
车牌识别技术在交通监控和停车管理中起着重要的作用。提出了一种基于K近邻（K-NN）分类器的车牌字符识别方法。该系统首先对提取的字符进行轮廓化处理，然后提取字符的角度和距离特征信息，最后利用K-NN分类器进行字符识别。根据字符位图上点的分布，计算出字符的角度和距离特征。在K-NN方法中，计算测试点和参考点之间的欧氏距离，以找到k-最近邻。我们在包含1200个样本的可用数据集上评估了我们的方法。使用70%的样本进行训练，在整个样本上测试我们的方法，获得了99%的正确识别率。此外，我们在1200个数据集上使用三/策略验证技术，平均达到99.41%的准确率。
2014-09-16 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
Automatic Number Plate Recognition using Random Forest Classifier
Aligarh Muslim University（阿里格尔穆斯林大学）
汽车牌照自动识别系统（ANPRS）是一种用于识别车辆牌照的大规模监控嵌入式系统。该系统通常用于交通管理应用。它应该是非常有效的检测车牌在嘈杂以及在低照度，也在所需的时间范围内。提出了一种通过对车辆前后图像进行处理来识别车牌的方法。图像采集完成后，处理分为预处理、车牌定位、字符分割和字符识别四个步骤。预处理部分对车牌图像进行增强处理，车牌定位部分提取车牌区域，字符分割部分从提取的车牌中分离出单个字符，字符识别部分采用随机森林分类算法对光学字符进行识别。实验结果表明，该方法的准确率为90.9%。
2023-03-26 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
Off-Line Arabic Handwriting Character Recognition Using Word Segmentation
King Abdulaziz University（阿卜杜勒阿齐兹国王大学）
手写识别的最终目标是使计算机能够阅读和/或验证人类的书面文本，其性能与人类相当甚至更好。阅读意味着计算机获得一段手写体，并提供电子转录（例如ASCII格式）。两种类型的手写：在线和离线。脱机手写识别的最重要的用途是在保护系统和认证。阿拉伯语手写体比拉丁语手写体复杂得多。本文介绍了一种简单而新颖的方法来鉴定阿拉伯手写字符。为了达到我们的目标，我们建立了自己的字符数据库。研究方法论分为两个阶段：第一阶段是字符提取，首先对单词进行预处理，然后进行分词处理，得到字符。第二个是字符识别，通过匹配组成单词的字符与数据库中的字母。我们的结果确保字符识别率为81%。我们通过使用45- 55%之间的相似度来消除FAR。我们的研究是使用MATLAB编码的。
2012-06-07 cs.CV
Performance Comparison of SVM and ANN 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）；G.H. Raisoni College of Engineering（G.H.赖索尼工程学院）
基于实例学习的分类方法自20世纪90年代以来被广泛应用于字符识别中，并取得了显著的识别效果。这类方法包括统计方法，人工神经网络，支持向量机（SVM），多分类器组合等。在本文中，我们讨论了一些分类方法已成功地应用于手写体Devnagari字符识别的特点和SVM和人工神经网络分类方法，应用于手写体Devnagari字符的结果。对字符图像进行预处理后，提取了阴影特征、链码直方图特征、基于视图的特征和最长游程特征。然后将这些特征馈送到神经分类器和支持向量机中进行分类。在神经分类器中，我们探索了三种方法来组合针对四种不同特征设计的四个MLP的决策。
2010-06-30 cs.CV
Open Set Chinese Character Recognition using Multi-typed Attributes
University of Groningen（格罗宁根大学）
离线汉字识别仍然是一个具有挑战性的问题，特别是在历史文献中，不仅在类的数量非常大，相比当代图像检索方法，而且新的看不见的类，可以预期在开放学习条件下（即使是CNN）。零训练样本或少量训练样本的汉字识别是一个困难的问题，目前还没有研究。本文提出了一种基于汉字读音、字形和部首的多类型属性的汉字识别方法，并将其应用于历史文献中的汉字识别。这种中间属性代码比常见的“one-hot”类表示有很大的优势，因为它允许使用属性符号化地理解复杂和不可见的模式。首先，每个字符由四组属性类型表示，以覆盖广泛的字符可能性：拼音标签，布局结构，笔画数，三种不同的输入法，如仓颉，正码和五笔，以及四角编码方法。训练卷积神经网络（CNN）来学习这些属性。随后，字符可以很容易地识别这些属性使用的距离度量和一个完整的字典，是在属性空间编码。我们评估所提出的方法在两个开放的数据集：印刷体汉字识别的零样本学习，历史字符的少样本学习和一个封闭的集合：手写体汉字。实验结果表明，看到的类，但也是一个非常有前途的泛化能力，看不见的字符良好的一般分类。
2018-08-27 cs.CV
Hippocampus-heuristic Character Recognition Network for Zero-shot Learning
Huaqiao University（华侨大学）
由于汉字种类繁多、结构复杂，汉字识别一直是一个具有挑战性的课题。最新的研究表明，如此庞大的字符集可以分解成约500个基本汉字偏旁部首的集合，并在此基础上有效地解决了这一问题。而随着新汉字的不断出现，基本偏旁的数量也在不断扩大。目前完全依赖于现有的偏旁部首的方法对于识别这些新的汉字来说是不灵活的，并且在训练阶段不学习所有的偏旁部首的情况下无法识别这些汉字。为此，本文提出了一种新的海马启发式字符识别网络（HCRN），该网络借鉴海马的思维方式，只需训练部分偏旁部首，就能识别未见过的汉字（即零样本学习）。更具体地说，HCRN的网络架构是我们设计的一种新的伪连体网络，它可以从输入的训练字符样本对中学习特征，并使用它们来预测看不见的汉字。实验结果表明，HCRN是鲁棒的和有效的。该方法仅用500个训练汉字就能准确预测约16,330个未见过的测试汉字。HCRN的识别准确率比最先进的中文偏旁识别方法高出15%（从85.1%到99.9%），用于识别未见过的汉字。
2021-04-06 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
Deep Learning Image Recognition for Non-images
Central Washington University（中央华盛顿大学）；Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
强大的深度学习算法通过将这些问题转化为图像识别问题，为解决非图像机器学习（ML）问题提供了机会。本章介绍的CPC-R算法通过可视化非图像数据将非图像数据转换为图像。然后深度学习CNN算法解决了这些图像上的学习问题。CPC-R算法的设计允许保留2-D图像中的所有高维信息。替代方法中使用的对值映射而不是单值映射的使用允许以少2倍的视觉元素来编码每个n-D点。一个n-D点的属性被分成它的值对，每对都被可视化为相同的2-D笛卡尔坐标中的2-D点。接下来，将灰度或颜色强度值分配给每一对以编码对的顺序。这就是热图图像的结果。针对不同的CNN架构和优化CPC-R图像的方法进行了CPC-R的计算实验，结果表明，组合的CPC-R和深度学习CNN算法能够解决非图像ML问题，在基准数据集上达到高精度。本章通过添加更多实验来测试分类的准确性、探索所发现特征的显着性和信息量以测试其可解释性并概括该方法来扩展我们之前的工作。
2022-02-09 cs.CV cs.LG
Adversarial Training for Adverse Conditions: Robust Metric Localisation using Appearance Transfer
Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所）
我们提出了一种方法，提高视觉位置识别和度量定位下非常强烈的外观变化。我们学习了一个可逆的生成器，可以trans-form图像的条件，例如，从白天到晚上，夏天到冬天等。这个图像变换过滤器是明确设计的，以帮助和教唆特征匹配使用一个新的损失的基础上SURF检测器和密集的描述符地图。一个网络被训练成输出针对仅给定输入RGB图像的特征匹配而优化的合成图像，并且这些生成的图像被用于使用传统的稀疏匹配方法针对先前构建的地图来定位机器人。我们使用牛津RobotCar数据集在一年多的时间内进行多次遍历，使用一次遍历作为地图，另一次进行本地化，从而对结果进行基准测试。我们表明，这种方法显着提高了位置识别和定位在不断变化的和不利的条件下，同时减少了成功实现可靠的定位所需的映射运行的数量。
2018-03-09 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
Handwritten Farsi Character Recognition using Artificial Neural Network
Azad University（阿扎德大学）；Babol University（巴博勒大学）；University of medical sciences of Babol（巴博勒医科大学）；Islamic Azad University - Babol branch（伊斯兰阿扎德大学巴博勒分校）；young researcher club（青年研究者俱乐部）
神经网络被用于字符识别从过去的许多年，但大部分的工作仅限于英文字符识别。到目前为止，手写波斯语字符识别的工作很少。在本文中，我们已经尝试识别手写波斯语字符使用一个隐藏层的多层感知器。采用误差反向传播算法对MLP网络进行训练。此外，已进行了分析，以确定隐藏节点的数量，以实现高性能的反向传播网络在识别手写波斯语字符。该系统使用不同年龄组的男性和女性参与者提供的几种不同形式的笔迹进行训练。最后，这种严格的训练结果使用MLP网络的自动HCR系统。在这项工作中，实验进行了250个样本的五个作家。实验结果表明，采用误差反向传播算法训练的MLP网络在识别精度和内存占用方面都有较大的优势。结果表明，反向传播网络提供了良好的识别准确率超过80%的手写波斯语字符。
2009-08-30 cs.CV
