BDNet：基于密集连接卷积神经网络的孟加拉手写数字识别
计算机视觉与模式识别
2020-07-14 v5
摘要
手写数字图像不同于自然图像，因为数字的朝向以及不同数字特征的相似性会造成混淆。另一方面，深度卷积神经网络在计算机视觉问题尤其是图像分类中取得了巨大成功。BDNet 是一种密集连接的深度卷积神经网络模型，用于分类（识别）孟加拉手写数字。它使用 ISI 孟加拉手写数字数据集进行端到端训练。在训练过程中，使用了非传统的数据预处理和增强技术，以使训练后的模型能作用于不同数据集。该模型在 ISI 孟加拉手写数字测试集上达到了 99.775% 的测试准确率（基线为 99.40%）。因此，与先前最先进的模型相比，BDNet 模型实现了 62.5% 的错误率降低。在此我们还创建了一个包含 1000 张孟加拉手写数字图像的数据集来测试训练后的模型，并取得了有前景的结果。代码、训练好的模型和我们的数据集可在：{https://github.com/Sufianlab/BDNet} 获取。
引用
@article{arxiv.1906.03786,
title = {BDNet: Bengali Handwritten Numeral Digit Recognition based on Densely connected Convolutional Neural Networks},
author = {A. Sufian and Anirudha Ghosh and Avijit Naskar and Farhana Sultana and Jaya Sil and M M Hafizur Rahman},
journal= {arXiv preprint arXiv:1906.03786},
year = {2020}
}
备注
23 pages, 11 figures, 7 tables, Accepted Manuscript. Journal of King Saud University - Computer and Information Sciences (2019)