基于全局字符级与局部子单元级特征的印地语在线手写字符识别分类器
计算机视觉与模式识别
2023-10-27 v1
摘要
本文开发了一种分类器，其通过定义全局字符特征、子单元数量以及局部子单元特征的联合分布来建模印地语在线手写字符。该分类器利用潜变量对子单元结构进行建模，并使用点、方向及方向动态直方图（HPOD）特征在全局字符级和局部子单元级表示字符，且不受字符笔画顺序与笔画方向变化的影响。分类器参数采用最大似然法估计。本研究考虑了其他研究中使用的不同分类器与特征，以与所开发分类器进行分类性能比较。所考虑的分类器包括二阶统计（SOS）、子空间（SS）、Fisher 判别（FD）、前馈神经网络（FFN）和支持向量机（SVM），所考虑的特征包括时空（ST）、离散傅里叶变换（DFT）、离散余弦变换（SCT）、离散小波变换（DWT）、空间（SP）和方向梯度直方图（HOG）。用于训练和测试所开发分类器的印地语字符数据集包含来自 96 个不同字符类的手写字符样本。训练集中有 12832 个样本，平均每类 133 个；测试集中有 2821 个样本，平均每类 29 个。所开发分类器在测试集上取得了 93.5\% 的最高准确率，高于本研究中使用相同训练集提取的不同特征训练并在相同测试集上评估的其他分类器。
引用
@article{arxiv.2310.17138,
title = {A Classifier Using Global Character Level and Local Sub-unit Level Features for Hindi Online Handwritten Character Recognition},
author = {Anand Sharma and A. G. Ramakrishnan},
journal= {arXiv preprint arXiv:2310.17138},
year = {2023}
}
备注
23 pages, 8 jpg figures. arXiv admin note: text overlap with arXiv:2310.08222