文献

J-GLOBAL ID：202002257160110351   整理番号：20A0436497

オンラインアラビア文字認識のためのハイブリッドDBLSTM-SVMベースのベータ楕円CNNモデル【JST・京大機械翻訳】

Hybrid DBLSTM-SVM Based Beta-Elliptic-CNN Models for Online Arabic Characters Recognition

著者 (5件)： Hamdi Yahia (University of Sfax, National Engineering School of Sfax) ,  Boubaker Houcine (University of Sfax, National Engineering School of Sfax) ,  Dhieb Thameur (University of Sfax, National Engineering School of Sfax) ,  Elbaati Abdelkarim (University of Sfax, National Engineering School of Sfax) ,  Alimi Adel M. (University of Sfax, National Engineering School of Sfax)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDAR  ページ： 545-550  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い学習に基づくアプローチは,モバイル機器におけるますます広い応用を満足する挑戦的なタスクを表す手書き認識において非常に成功していることが証明されている。最近,パターン認識研究の分野におけるいくつかの研究イニシアティブが紹介されている。この挑戦は,それらの特性の固有の特性,類似の形状特性のいくつかのグループの存在,それぞれのアルファベットの大きなサイズなどのため,アラビア語スクリプトにとってより多くのものである。本論文で著者らは,ハイブリッドベータ楕円モデル(BEM)と畳込みニューラルネットワーク(CNN)特徴抽出器モデルに基づくオンラインアラビア文字認識システムを提案して,深い双方向の長い短期記憶(DBLSTM)とサポートベクトルマシン(SVM)分類装置を結合した。最初に,著者らは分類を作るために抽出したオンラインとオフライン特徴を使用して,単一分類装置の性能を比較した。第2に,著者らは,グローバルシステム識別力を強化するために,異なる組合せ方法を用いて,2つのタイプの特徴ベースシステムを組み合わせることによって,著者らは,進歩した。LMCAとOnline-KHATTデータベースを用いてこのシステムを評価した。得られた認識率は,2つのデータベースを用いた個々のシステムに対して,それぞれ最大95.48%と91.55%であった。オンラインとオフラインシステムの組合せは,他の最先端システムに対する最良の結果を超える同じデータベースを用いて,精度率を99.11%と93.98%に改善することを可能にした。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *データベース ,  分類装置 ,  特徴抽出 ,  サポートベクトルマシン ,  パターン認識 ,  手書き文字認識
準シソーラス用語： 認識率 ,  オフライン ,  短期記憶 ,  畳込みニューラルネットワーク ,  スクリプト ,  アラビア語 ,  モバイルデバイス ,  *アラビア文字 ,  *オンライン , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： オンライン ,  アラビア文字 ,  SVM ,  楕円 ,  CNN ,  モデル