基于深度学习的波斯语手写数字、字符与单词识别
计算机视觉与模式识别
2020-11-17 v2
摘要
特定文字系统的数字、字母与单词识别在当今商业场景中具有多种应用。然而，仅有有限的相关研究涉及波斯文字。本文利用深度神经网络，通过多种 DenseNet 架构以及 Xception，并借助数据增强与测试时增强进行采纳、修改与进一步提升，从而提出一种考虑波斯语特性及其对应手写特点的 optical character recognition（光学字符识别）。利用将数据库划分为训练集、验证集与测试集以及 k 折交叉验证，所提方法与多种 state-of-the-art（最先进）替代方案在 HODA 与 Sadri 数据库上进行比较；这些数据库提供了最全面的样本集合，涵盖不同人类拥有的多种书写风格，以及每个字母因其单词内位置不同而呈现的不同形态。在 HODA 数据库上，我们对数字与字符的识别率分别达到 99.72% 与 89.99%；在 Sadri 数据库上，对数字、字符与单词的识别率分别为 99.72%、98.32% 与 98.82%。
引用
@article{arxiv.2010.12880,
title = {Persian Handwritten Digit, Character and Word Recognition Using Deep Learning},
author = {Mehdi Bonyani and Simindokht Jahangard and Morteza Daneshmand},
journal= {arXiv preprint arXiv:2010.12880},
year = {2020}
}