基于卷积神经网络集成的手写日文字符识别
计算机视觉与模式识别
2023-06-08 v1 人工智能
计算与语言
机器学习
摘要
日语书写系统复杂，包含平假名、片假名和汉字三种字符类型。汉字由数千个独特字符组成，进一步增加了字符识别与文献理解的复杂度。能够将手写日文字符转换为数字文本，对于数据分析、翻译、学习与文化传承十分有用。本研究提出一种机器学习方法来分析与识别手写日文汉字。研究采用三个卷积神经网络（CNN）的集成来识别手写汉字字符，并利用 MNIST、K-MNIST、Kuzushiji-49（K49）以及 Kuzushiji-Kanji（K-Kanji）数据集中出现频次最高的 150 个类别这四个数据集进行性能评估。结果表明，所提出的 CNN 集成架构用于识别手写字符是可行的，在 MNIST、K-MNIS、K49 和 K-Kanji 数据集上分别取得了 99.4%、96.4%、95.0% 和 96.4% 的分类准确率。
引用
@article{arxiv.2306.03954,
title = {Recognition of Handwritten Japanese Characters Using Ensemble of Convolutional Neural Networks},
author = {Angel I. Solis and Justin Zarkovacki and John Ly and Adham Atyabi},
journal= {arXiv preprint arXiv:2306.03954},
year = {2023}
}