基于深度学习技术的库尔德语手写字符识别
计算机视觉与模式识别
2022-10-26 v1 机器学习
神经与进化计算
摘要
手写识别是图像处理和模式识别领域中活跃且具有挑战性的研究方向之一。它有许多应用，包括：视觉障碍者的阅读辅助、银行支票的自动读取与处理、使任何手写文档可搜索以及将其转换为结构化文本形式等。此外，针对英语、中文、阿拉伯语、波斯语和许多其他语言的手写识别系统已记录到很高的准确率。然而，目前还没有可用于离线库尔德语手写识别的此类系统。本文尝试设计并开发一种能够利用深度学习技术识别库尔德语字母手写字符的模型。库尔德语（Sorani）包含 34 个字符，主要采用基于阿拉伯\波斯语的改良字母文字。本工作中采用了在手写识别系统中表现出典范性能的深度卷积神经网络模型。随后，创建了一个包含四万多张图像的库尔德语手写字符综合数据集。所创建的数据集已用于训练深度卷积神经网络模型以进行分类和识别任务。在提出的系统中，实验结果显示出可接受的识别水平。测试结果显示准确率为 96%，训练准确率显示为 97%。从实验结果可以明显看出，所提出的深度学习模型表现良好，并可与其他语言的类似手写识别系统模型相媲美。
关键词
引用
@article{arxiv.2210.13734,
title = {Kurdish Handwritten Character Recognition using Deep Learning Techniques},
author = {Rebin M. Ahmed and Tarik A. Rashid and Polla Fattah and Abeer Alsadoon and Nebojsa Bacanin and Seyedali Mirjalili and S. Vimal and Amit Chhabra},
journal= {arXiv preprint arXiv:2210.13734},
year = {2022}
}
备注
12 pages