Performance Analysis of Image Classification on Bangladeshi Datasets
本文比较了定制CNN与VGG-16、ResNet-50、MobileNet等预训练架构在孟加拉语数据集上的图像分类性能,发现预训练模型在准确率和收敛速度上更优,但定制模型在参数和计算复杂度上更具优势。
2026-01-07 cs.CV
Real Time Bangladeshi Sign Language Detection using Faster R-CNN
Ahsanullah University of Science and Technology(阿赫桑拉工程技术大学)
孟加拉国手语(英语:Bangladeshi Sign Language,缩写BdSL)是孟加拉国听力受损人士常用的沟通媒介。开发一个实时的系统来从图像中检测这些标志是一个巨大的挑战。在本文中,我们提出了一种技术来检测BdSL从图像中执行实时的。我们的方法使用基于卷积神经网络的目标检测技术来检测图像区域中标志的存在并识别其类别。为此,我们采用了基于快速区域的卷积网络方法,并开发了一个数据集$-$ BdSLImset $-$来训练我们的系统。以往的BdSL检测方法一般依赖于外部设备,而其他基于视觉的方法大多不能实时的有效地检测BdSL。然而,我们的方法是免费的,从这样的限制和实验结果表明,所提出的方法成功地识别和识别孟加拉国的迹象,在实时的。
2018-11-30 cs.CV
Hand Sign to Bangla Speech: A Deep Learning in Vision based system for Recognizing Hand Sign Digits and Generating Bangla Speech
University of Asia Pacific(亚太大学)
本研究开发了一个基于CNN的深度学习系统,用于识别手语数字并以92%的准确率生成孟加拉语语音,旨在帮助言语障碍者进行社交沟通。
2019-01-17 cs.CV
BDSL 49: A Comprehensive Dataset of Bangla Sign Language
University of Asia Pacific(亚太大学);Chittagong University of Engineering & Technology(吉大港工程技术大学);Bangladesh University of Business and Technology(孟加拉国商业与技术大学)
语言是人们表达思想的一种方式。每种语言都有自己的字母和数字字符集。人们可以通过口头或书面的方式相互交流。然而,每种语言都有对应的手语。聋哑人通过手语进行交流。孟加拉语也有一种手语,称为BDSL。该数据集是关于孟加拉手势图像的。该系列包含49个单独的孟加拉语手语字母图像。BDSL49是一个由29,490张图像和49个标签组成的数据集。在数据汇集过程中记录了14个不同成年人的图像,每个人都有不同的背景和外表。已经使用了几种策略来消除准备过程中数据集的噪声。该数据集免费提供给研究人员。他们可以使用机器学习、计算机视觉和深度学习技术开发自动化系统。此外,在该数据集中使用了两种模型。第一个是检测,第二个是识别。
2022-08-14 cs.CV
Connecting the Dots: Leveraging Spatio-Temporal Graph Neural Networks for Accurate Bangla Sign Language Recognition
BUET(孟加拉国工程技术大学)
针对低资源孟加拉语手语缺乏词级数据集的问题,本文构建含611段视频、40个词的BdSL40,并提出3D CNN与时空GNN识别方法,GNN取得89% F1分数。
2024-01-22 cs.CV
BdSpell: A YOLO-based Real-time Finger Spelling System for Bangla Sign Language
Uttara University(乌塔拉大学);Daffodil International University(达福迪尔国际大学);Manarat International University(马纳拉特国际大学)
针对 BdSL36 缺少隐藏与复合字符类别导致拼写纠错困难的问题,本文提出基于 YOLOv5 的 BdSpell 实时手指拼写系统,利用规则和数字类别触发字符生成,实现高准确率与实时性能。
2023-09-24 cs.CV
BdSL36: A Dataset for Bangladeshi Sign Letters Recognition
Ahsanullah University of Science and Technology(阿萨努拉科技大学)
孟加拉国手语(英语:Bangladeshi Sign Language,缩写BdSL)是孟加拉国听力受损人士常用的沟通媒介。没有受控实验室环境的实时BdSL解释器具有广泛的社会影响和有趣的研究途径。此外,由于不同对象(年龄,性别,肤色等)的差异,这是一项具有挑战性的任务,复杂的特征,以及标志和集群背景的相似性。然而,用于BdSL分类任务的现有数据集主要是在实验室友好的设置中构建的,这限制了强大的深度学习技术的应用。在本文中,我们介绍了一个名为BdSL 36的数据集,该数据集采用了背景增强技术,使数据集具有通用性,包含属于36个类别的400多万张图像。此外,我们还对约40,000幅图像进行了边界框标注,以充分利用目标检测算法的潜力。此外,进行了几次密集的实验,以建立我们的BdSL 36的基线性能。此外,我们在用户级别对我们的分类器进行beta测试,以证明该数据集在现实世界中应用的可能性。我们相信,我们的BdSL 36将加快未来的研究实际标志字母分类。我们将数据集和所有预训练的模型提供给进一步的研究人员。
2021-10-02 cs.CV
BAUST Lipi: A BdSL Dataset with Deep Learning Based Bangla Sign Language Recognition
Bangladesh Army University of Science and Technology(孟加拉国陆军科技大学);The University of Aizu(会津大学)
针对孟加拉手语识别缺乏数据集和精度不高的问题,本文构建了含18,000张图像的BdSL数据集,并提出混合CNN模型,实现97.92%的识别准确率。
2024-08-20 cs.CV
BdSLW60: A Word-Level Bangla Sign Language Dataset
National University, Bangladesh(孟加拉国国立大学);Islamic University of Technology (IUT)(伊斯兰技术大学)
本文提出BdSLW60数据集,用于解决BdSL词级手语识别中的挑战,通过大规模视频样本和相对量化关键帧编码技术,实现了67.6%至75.1%的识别准确率。
2024-02-13 cs.CV
Word level Bangla Sign Language Dataset for Continuous BSL Recognition
本文提出了大规模孟加拉手语数据集 MVBSL-W50,并开发了基于注意力的 Bi-GRU 模型,通过捕捉人体姿态时间动态实现连续手语识别,准确率达 85.64%。
2023-04-09 cs.CV
PerSign: Personalized Bangladeshi Sign Letters Synthesis
University of Colorado Boulder(科罗拉多大学博尔德分校);Ahsanullah University of Science and Technology(阿赫桑努拉科技大学)
孟加拉国手语(BdSL)-像其他手语一样-对于普通人来说很难学习,特别是在表达字母时。在这张海报中,我们提出了PerSign,一个可以通过在其中引入手势来复制人的图像的系统。我们使这个操作个性化,这意味着生成的图像保持人的初始图像轮廓-面部,肤色,服装,背景-不变,同时适当地改变手,手掌和手指的位置。我们使用图像到图像的翻译技术,并建立相应的唯一数据集来完成任务。我们相信翻译的图像可以减少签名者(使用手语的人)和非签名者之间的沟通差距,而无需事先了解BdSL。
2022-09-29 cs.CV cs.HC
Real-time Bangla Sign Language Translator
North South University(北南大学)
本研究提出一种基于 Mediapipe Holistic、LSTM 架构与 Computer Vision 的实时 Bangla Sign Language Translator,实现了 94% 准确率的手语检测,旨在为聋哑群体弥合沟通鸿沟。
2024-12-21 cs.CL cs.CV cs.LG
Bangla Sign Language Translation: Dataset Creation Challenges, Benchmarking and Prospects
Islamic University of Technology(伊斯兰技术大学)
本文提出孟加拉手语翻译数据集IsharaKhobor,探讨数据集创建挑战,并通过基准测试和消融实验展示其改进版本。
2025-11-26 cs.CL 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
A Harmony Search Based Wrapper Feature Selection Method for Holistic Bangla word Recognition
Jadavpur University(贾达普大学)
在模式分类领域中,为了发现具有重要意义的特征子集,从而提高分类精度,人们已经探索了许多搜索方法来选择特征。本文提出了一种基于和声搜索(HS)的特征选择方法,用于手写体孟加拉语识别问题的特征降维。该算法已被实现,以减少特征维数的技术中描述的一个我们以前的论文由S。Bhowmik等人[1]的文件。在上述文件中,一组65个椭圆形特征的手写体孟加拉语单词识别的目的和识别准确率达到81.37%,使用多层感知器(MLP)分类器计算。在目前的工作中,包含48个特征(约75%的所述特征向量)的子集已被选定的HS基于包装特征选择方法,产生的准确率为90.29%。合理的结果也验证了引入的算法利用最佳数量的功能,同时表现出更高的分类精度相比,两个标准的进化算法,如遗传算法(GA),粒子群优化(PSO)和统计特征降维技术,如主成分分析(PCA)。这证实了HS算法对整体手写体字识别问题的适用性。
2017-07-26 cs.CV
An Improved Feature Descriptor for Recognition of Handwritten Bangla Alphabet
Jadavpur University(贾达普大学)
手写体字符识别的一个重要方面是如何选择合适的特征来表示模式类。特征的有效性取决于所选择的用于表示不同类别的模式的特征的辨别能力。然而,歧视性特征并不容易衡量。调查实验对于识别歧视性特征是必要的。在目前的工作中,我们已经确定了一个新的变化的功能集,显着优于手写孟加拉字母从以前使用的功能集。这里使用了所有132个特征,即修改的阴影特征、八分圆和质心特征、基于距离的特征、基于四叉树的最长运行特征。使用这个特征集,识别性能从我们以前的工作中观察到的75.05%急剧增加[7],在相同数据集上使用基于MLP的分类器的50个字符类上达到85.40%。
2015-01-22 cs.CV
Handwritten Isolated Bangla Compound Character Recognition: a new benchmark using a novel deep learning approach
Dept. of Information Technology, Jadavpur University(贾达布尔大学信息技术系);Dept. of Computer Science & Engg., Jadavpur University(贾达布尔大学计算机科学与工程系)
在这项工作中,提出了一种新的深度学习技术,用于识别手写孟加拉语孤立的复合字符,并报告了CMATERdb3.1.3.3数据集上的识别准确性的新基准。深度神经网络的贪婪逐层训练有助于在各种模式识别问题中取得重大进展。我们以监督的方式对深度卷积神经网络(DCNN)进行分层训练,并使用RMSProp算法增强训练过程以实现更快的收敛。我们将结果与具有预定义特征的标准浅层学习方法以及标准DCNN的结果进行了比较。发现监督分层训练的DCNN优于标准的浅层学习模型,如支持向量机以及类似架构的常规DCNN,其出错率为9.67%,从而在CMATERdb 3.1.3.3上设定了一个新的基准,识别准确率为90.33%,提高了近10%。
2018-02-02 cs.CV
Bangla sign language recognition using concatenated BdSL network
Islamic University of Technology (IUT)(伊斯兰科技大学)
手语是听障人士和聋哑人士唯一的沟通媒介。因此,与普通大众的沟通始终是这一少数群体面临的挑战。特别是在孟加拉手语(BdSL)中,有38个字母,其中一些符号几乎相同。因此,在BdSL识别中,除了从传统卷积神经网络(CNN)提取的视觉特征之外,手的姿势是一个重要因素。本文提出了一种新的结构“级联BdSL网络”,它由一个基于CNN的图像网络和一个姿态估计网络组成。在图像网络获取视觉特征的同时,通过姿态估计网络获取手部关键点的相对位置,以获得额外的特征来处理BdSL符号的复杂性。实验结果表明,该方法在测试集上获得了91.51%的正确率,证明了该方法的有效性。
2021-07-25 cs.AI cs.CV
Zone-based Keyword Spotting in Bangla and Devanagari Documents
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)
在本文中,我们提出了一个词发现系统的文本行离线印度语脚本,如孟加拉语(孟加拉语)和梵文。最近,研究表明,分区识别方法比传统的全字识别系统在印度语脚本中提高了字识别性能。受此启发,我们考虑了区域分割方法,并使用中间区域信息来改善传统的词定位性能。为了避免使用启发式方法进行区域分割的问题,本文提出了一种基于HMM的方法来从文本行图像中分割上下区域分量。候选关键字是从一行中搜索的,而不需要分割字符或单词。此外,我们提出了一个新的功能结合前景和背景信息的文本行图像的关键字定位字符填充模型。通过使用前景和背景信息而不是它们各自的信息,注意到性能的显著改善。金字塔直方图的方向梯度(PHOG)功能已被用于我们的词发现框架。从实验中,已经注意到,所提出的基于区域分割的系统优于传统的单词定位方法。
2017-12-05 cs.CV
A Classical Approach to Handcrafted Feature Extraction Techniques for Bangla Handwritten Digit Recognition
Hajee Mohammad Danesh Science and Technology University(哈吉·穆罕默德·达内什科技大学)
孟加拉语手写数字识别是孟加拉语OCR发展的重要一步。然而,孟加拉数字复杂的形状,结构相似性和独特的组成风格使其相对难以区分。因此,在本文中,我们对四种严格的分类器进行了基准测试,以识别孟加拉语手写数字:K最近邻(KNN),支持向量机(SVM),随机森林(RF)和基于三种手工特征提取技术的强制提升决策树(GBDT):四个公开可用的孟加拉语手写数字数据集上的定向特征直方图(HOG),局部二进制模式(LBP)和Gabor滤波器:NumtaDB、CMARTdb、Ekush和BDRW。在这里,手工特征提取方法用于从数据集图像中提取特征,然后利用这些特征来训练机器学习分类器以识别孟加拉语手写数字。我们进一步微调了分类算法的超参数,以便从这些算法中获得最好的孟加拉语手写数字识别性能,并且在我们采用的所有模型中,HOG特征结合SVM模型(HOG+SVM)在所有数据集上获得了最佳性能指标。HOG+SVM方法在NumtaDB、CMARTdb、Ekush和BDRW数据集上的识别准确率分别达到93.32%、98.08%、95.68%和89.68%,并将模型性能与最新的最先进方法进行了比较。
2022-01-25 cs.CV cs.LG
Toward Deployable Bangla Sign Language Recognition with Expert-Validated Data and a Lightweight Attention-Based Model
Bangladesh Army University of Science and Technology(孟加拉国陆军科技大学)
本文构建专家验证的RSBdSL38数据集,提出轻量型注意力卷积网络,实现高准确率孟加拉语手语识别,模型可在普通智能手机部署,相关资源已公开。
2026-08-11 cs.AI cs.CV
An Enhanced Harmony Search Method for Bangla Handwritten Character Recognition Using Region Sampling
Jadavpur University(贾达夫普尔大学)
识别最小数量的手写字符图像的局部区域,包含定义良好的鉴别特征,这是足够的最小但完整的描述的字符是一项具有挑战性的任务。本文提出了一种基于改进的和声搜索方法的区域选择技术。利用和声搜索的强大框架来搜索区域空间,只检测信息量最大的区域,以正确识别手写字符。所提出的方法已被测试孟加拉语的基本,复合和混合(基本和复合字符)字符分别与基于SVM的分类器使用最长运行的特征集从图像子区域形成的基于CG的四叉树分割方法的手写样本。将该方法应用于上述三类数据集,在区域缩减方面分别获得了43.75%、12.5%和37.5%的增益,在识别准确率方面分别获得了2.3%、0.6%和1.2%的增益。结果表明,一个相当大的减少,在最小数量的描述性区域,以及显着提高识别精度的所有数据集使用所提出的技术。因此,减少了与特征提取相关的时间和成本,而不会降低相应的识别精度。
2016-05-02 cs.CV
BdSLW401: Transformer-Based Word-Level Bangla Sign Language Recognition Using Relative Quantization Encoding (RQE)
针对低资源孟加拉手语识别,本文提出大规模多视角数据集BdSLW401,并引入相对量化编码(RQE)方法通过锚定生理参考点和量化运动轨迹改进基于Transformer的模型,显著降低错误率并提升可解释性,为该领域设定了新基准。
2025-03-04 cs.AI cs.CV cs.HC
Word Segmentation from Unconstrained Handwritten Bangla Document Images using Distance Transform
Jadavpur University(jadavpur大学);Indian Institute of Engineering Science and Technology, Shibpur(印度工程科学技术学院(希布普尔))
将手写文档图像分割成文本行和单词是开发完整的光学字符识别(OCR)系统中最重要和最具挑战性的任务之一。本文讨论了自动分割文本字直接从无约束孟加拉语手写文档图像。采用目前流行的距离变换(DT)算法定位文字图像的外边界。该技术不产生过切分词。一个简单的后处理过程中应用隔离的分割下的词的图像,如果有的话。所提出的技术进行了测试,从CMATERDb1.1.1数据库中的50个随机图像。实验结果表明,该方法的分割准确率为91.88%,具有较好的鲁棒性。
2020-09-17 cs.CV cs.MM
Multichannel Attention Networks with Ensembled Transfer Learning to Recognize Bangla Handwritten Charecter
Bangladesh Army University of Science and Technology (BAUST)(孟加拉国陆军科技大学);University of Aizu(会津大学);Pabna University of Science and Technology(pabna 科技大学)
针对孟加拉手写字符识别难题,提出结合Inception Net和ResNet的集成迁移学习与多通道注意力网络,在CAMTERdb 3.1.2数据集上分别达到92%和98%的准确率。
2024-08-20 cs.CV
IchthyoNoma: Nomenclature and Context Sensitivity of Zero-Shot Biological Vision--Language Models for Bangladeshi Freshwater Fish Recognition
American International University Bangladesh(孟加拉国美国国际大学);United International University(联合国际大学);ELITE Research Lab(精英研究实验室)
本研究针对孟加拉国淡水鱼类识别,审计了CLIP等多款零样本视觉-语言模型,发现BioCLIP2性能最优,模型得分受生物专业化、命名等多因素影响。
2026-09-04 cs.CL cs.CV
BanglaMemeEvidence: A Multimodal Benchmark Dataset for Explanatory Evidence Detection in Bengali Memes
Ahsanullah University of Science and Technology(阿山努拉科技大学)
研究旨在检测孟加拉语模因中解释其含义和幽默的特定句子,介绍了混合任务MemeEvidenceDetect,提出数据集BanglaMemeEvidence及多模态框架BengaliMemeEvidenceNet,实验验证了框架有效性,推动低资源语言模因分析。
2026-07-07 cs.AI cs.CL cs.CV
BanglaWild: An In-the-Wild Bengali Scene Text Recognition Benchmark for OCR and Vision-Language Models
研究发现现有孟加拉语场景文本识别基准的不足,推出含2535张图像的BanglaWild基准,评估15个VLMs和3个OCR系统等,揭示视觉误识别为主要错误来源等结论,代码数据将公开。
2026-08-05 cs.CL cs.CV