面向孟加拉语手写词的端到端光学字符识别
计算机视觉与模式识别
2021-05-11 v1 信息检索
摘要
光学字符识别（OCR）是利用文档图像将模拟文档转换为数字形式的过程。目前，针对多种语言的手写体和印刷体文档，已存在许多商业和非商业的OCR系统。尽管如此，在孟加拉语词识别方面可用的工作极少。其中，大多数工作集中于印刷体孟加拉字符的OCR。本文介绍了一种面向孟加拉语的端到端OCR系统。所提出的架构实现了一种端到端策略，可从手写词图像中识别手写孟加拉语词。我们尝试了流行的卷积神经网络（CNN）架构，包括DenseNet、Xception、NASNet和MobileNet，以构建OCR架构。此外，我们尝试了两种不同的循环神经网络（RNN）方法：LSTM和GRU。我们使用BanglaWritting数据集评估所提出的架构，该数据集是一个经过同行评审的孟加拉语手写图像数据集。所提出的方法在使用DenseNet121模型与GRU循环层时达到了0.091的字符错误率和0.273的词错误率。
引用
@article{arxiv.2105.04020,
title = {End-to-End Optical Character Recognition for Bengali Handwritten Words},
author = {Farisa Benta Safir and Abu Quwsar Ohi and M. F. Mridha and Muhammad Mostafa Monowar and Md. Abdul Hamid},
journal= {arXiv preprint arXiv:2105.04020},
year = {2021}
}
备注
Accepted in "The 4th National Computing Colleges Conference"