基于迁移学习的读写困难手写检测可解释人工智能
计算机视觉与模式识别
2024-12-19 v2
摘要
本研究引入了一个可解释人工智能（XAI）框架，用于通过手写分析检测读写困难，实现了99.65%的惊人测试精度。该框架集成了迁移学习和基于Transformer的模型，识别与读写困难相关的手写特征，同时通过Grad-CAM可视化确保决策过程的透明度。其对不同语言和书写系统的适应性凸显了其全球应用的潜力。通过超越最先进方法的分类精度，该方法证明了手写分析作为诊断工具的可靠性。研究结果强调了该框架支持早期检测、建立利益相关者信任以及实现个性化教育策略的能力。
引用
@article{arxiv.2410.19821,
title = {Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning},
author = {Mahmoud Robaa and Mazen Balat and Rewaa Awaad and Esraa Omar and Salah A. Aly},
journal= {arXiv preprint arXiv:2410.19821},
year = {2024}
}
备注
6 pages, 5 figures, JAC-ECC Conference