HishabNet:孟加拉语手写数学表达式的检测、定位与计算
计算机视觉与模式识别
2019-09-04 v1 机器学习
摘要
近来,孟加拉语手写字母与数字识别已引起 AI 界研究人员的广泛关注。在本工作中,我们提出一种基于卷积神经网络(CNN)的目标检测模型,能够识别并评估孟加拉语手写数学表达式。该方法可检测多个孟加拉语数字与运算符,并定位其在图像中的位置。利用该信息,它能够从数字序列构建数值并对其进行数学运算。在目标检测任务中,采用了先进的 YOLOv3 算法。为训练和评估模型,我们构建了一个新数据集“Hishab”,这是首个面向目标检测的孟加拉语手写数字数据集。该模型在验证集上取得了 98.6% 的总体平均精度均值(mAP)。此外,我们模型中使用的特征提取骨干 CNN 的分类准确率在两个公开孟加拉语手写数字数据集 NumtaDB 和 CMATERdb 上进行了测试。该骨干 CNN 在 NumtaDB 上测试准确率为 99.6252%,在 CMATERdb 上为 99.0833%。
引用
@article{arxiv.1909.00823,
title = {HishabNet: Detection, Localization and Calculation of Handwritten Bengali Mathematical Expressions},
author = {Md Nafee Al Islam and Siamul Karim Khan},
journal= {arXiv preprint arXiv:1909.00823},
year = {2019}
}
备注
6 pages, 5 figures, This paper is under review in "22nd International Conference on Computer and Information Technology (ICCIT), 2019"