EdgeNet：一种用于阿拉伯数字分类的新方法
计算机视觉与模式识别
2019-08-07 v1 机器学习
机器学习
摘要
尽管手写数字分类十分重要，但对于阿拉伯语这样广泛使用的语言，仍缺乏一种鲁棒且有效的方法。本研究致力于克服现有工作的两个主要局限：数据多样性和有效学习方法。为此，现有的阿拉伯数字数据集已被合并为单一数据集并进行了增强以引入数据多样性。此外，提出了一种新颖的深度模型来利用统一数据集的多样样本。所提出的深度模型通过残差连接传播低级边缘特征。为了与所提模型进行公平比较，现有工作在统一数据集下进行了研究。对比实验表明，统一数据集提升了现有工作的性能。而且，所提模型优于现有的 SOTA 阿拉伯手写数字分类方法，并在验证阶段获得了 99.59% 的准确率。除此之外，还使用相同数据集研究了不同的 SOTA 分类模型，以揭示它们对阿拉伯数字分类的适用性。代码见 http://github.com/sharif-apu/EdgeNet。
引用
@article{arxiv.1908.02254,
title = {EdgeNet: A novel approach for Arabic numeral classification},
author = {S. M. A. Sharif and Ghulam Mujtaba and S. M. Nadim Uddin},
journal= {arXiv preprint arXiv:1908.02254},
year = {2019}
}