基于置信导向扩散增强的孟加拉复合字符识别

手写孟加拉复合字符识别仍是具有挑战性的问题，由于复杂的字符结构、较大的类内变异以及高质量标注数据的稀缺。现有的孟加拉手写字符识别系统往往难以在多样化的书写风格之间泛化，尤其是包含复杂 ligatures 和 diacritical 变异的复合字符。本文提出一种置信导向扩散增强框架，用于低分辨率孟加拉复合字符识别。该框架将类别条件扩散模型与分类器引导相结合，以合成高质量的手写复合字符样本。为进一步提升生成质量，我们在扩散模型的U-Net骨干网络中引入放大-激活增强残差块。我们还提出一种基于置信度的过滤机制，通过预训练分类器作为质量门控，以仅保留高度类别一致的合成样本。经过滤选的合成图像与原始训练数据融合后用于重新训练多种分类架构。在AIBangla复合字符数据集上的实验表明，ResNet50、DenseNet121、VGG16和Vision Transformer等多种架构均实现了一致的性能提升。我们最佳模型达到89.2%分类准确率，显著超越了此前发布的AIBangla基准。结果表明，质量感知的扩散增强可有效提升低资源文字脚本领域的手写字符识别性能。