BornoViT：用于班加纳手写基本字符分类的新型高效视觉转换器
计算机视觉与模式识别
2026-03-04 v1 机器学习
摘要
班加纳脚本的手写字符分类是一项重大挑战，由于字符的复杂性和变异性。常用于分类的模型往往计算昂贵且数据需求大，在资源受限的语言（如班加纳）环境中不适用。本实验提出一种新型、高效且轻量级的视觉转换器模型，有效分类班加纳手写基本字符和数字，解决了传统方法的多个不足。该方案以深度卷积神经网络（DCNN）为基础，采用更简化的方式相对于传统DCNN架构，以实现计算负担的降低。模型仅包含0.65 million参数，模型大小为0.62 MB，计算量为0.16 GFLOPs，BornoViT显著轻于当前最先进的模型，更适用于资源受限的环境，这对于班加纳手写字符分类至关重要。BornoViT在BanglaLekha Isolated数据集上实现了95.77%的准确率，显示出优于现有最先进方法的卓越效率。此外，该模型在我们自行收集的数据集上进行了评估，即Bornomala，包含约222个不同年龄组的样本，达到了91.51%的准确率。
引用
@article{arxiv.2603.00755,
title = {BornoViT: A Novel Efficient Vision Transformer for Bengali Handwritten Basic Characters Classification},
author = {Rafi Hassan Chowdhury and Naimul Haque and Kaniz Fatiha},
journal= {arXiv preprint arXiv:2603.00755},
year = {2026}
}