使用前沿深度卷积神经网络的手写孟加拉字符识别
计算机视觉与模式识别
2018-02-13 v3
摘要
尽管物体识别技术有所进步，手写孟加拉字符识别（HBCR）由于存在许多模糊的手写字符和过度连写的孟加拉手写体，仍基本未获解决。即便现有最佳的识别器，对于孟加拉字符识别的实际应用也未能达到令人满意的性能，且性能远低于为英文字母数字字符所开发的那些。为提升HBCR性能，我们在此提出应用前沿的深度卷积神经网络（DCNN），包括VGG网络、全卷积网络（All-Conv Net）、网络中的网络（NiN）、残差网络、FractalNet和DenseNet于HBCR。深度学习方法具有提取并利用特征信息的优势，提升了对具有高度平移、缩放及其他畸变不变性的二维形状的识别。我们在公开可用的名为CMATERdb的孟加拉手写字符数据集上系统评估了DCNN模型的性能，并在使用DCNN模型时取得了优越的识别准确率。这一改进将有助于构建实用的自动HBCR系统。
引用
@article{arxiv.1712.09872,
title = {Handwritten Bangla Character Recognition Using The State-of-Art Deep Convolutional Neural Networks},
author = {Md Zahangir Alom and Peheding Sidike and Mahmudul Hasan and Tark M. Taha and Vijayan K. Asari},
journal= {arXiv preprint arXiv:1712.09872},
year = {2018}
}
备注
12 pages,22 figures, 5 tables. arXiv admin note: text overlap with arXiv:1705.02680