GraDeT-HTR：基于片字级分词器和解码器-only Transformer 的高效孟加拉手写文字识别系统
计算机视觉与模式识别
2025-09-23 v1
摘要
尽管孟加拉语是世界上第六大语言，针对孟加拉语的手写文字识别（HTR）系统仍严重缺乏发展。孟加拉语脚本的复杂性——包括合字、音位和高度可变的手写体样式——以及注释数据稀缺的事实，使得这一任务尤其具有挑战性。我们提出了GraDeT-HTR，一种基于片字级感知解码器-only Transformer架构的孟加拉语手写文字识别系统。为解决孟加拉语脚本的独特挑战，我们通过集成片字级分词器来增强解码器-only Transformer的性能，实验证明其在识别准确率方面显著优于传统子词分词器。该模型在大规模合成数据上进行预训练，然后在真实的人工标注样本上微调，在多个基准数据集上实现了最先进的性能。
引用
@article{arxiv.2509.18081,
title = {GraDeT-HTR: A Resource-Efficient Bengali Handwritten Text Recognition System utilizing Grapheme-based Tokenizer and Decoder-only Transformer},
author = {Md. Mahmudul Hasan and Ahmed Nesar Tahsin Choudhury and Mahmudul Hasan and Md. Mosaddek Khan},
journal= {arXiv preprint arXiv:2509.18081},
year = {2025}
}
备注
7 pages. Accepted at the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP) System Demonstrations. Equal Contribution: Md. Mahmudul Hasan and Ahmed Nesar Tahsin Choudhury