Bangla手書き数字認識のための手書き特徴抽出技術への古典的アプローチ【JST・京大機械翻訳】

Wahid Md. Ferdous; Shahriar Md. Fahim; Sobuj Md. Shohanur Islam

プレプリント

J-GLOBAL ID：202202209495991637 整理番号：22P0279262

Bangla手書き数字認識のための手書き特徴抽出技術への古典的アプローチ【JST・京大機械翻訳】

A Classical Approach to Handcrafted Feature Extraction Techniques for Bangla Handwritten Digit Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

Bangla Hand書き Digit認識はBangla OCRの開発において重要なステップである。しかし,Bangla数字の複雑形状,構造類似性,および独特の組成スタイルは,識別するのに比較的挑戦的である。そこで,本論文では,Bangla Hand書き Digit:K-Nearest Network(KNN),サポートベクトルマシン(SVM),ランダムフォレスト(RF),および勾配ブースティングディシジョンツリー(GBDT)を,4つの公的に利用可能なBangla手書き数字データセット(NumtaDB,CMARTdb,EkushおよびBDRW)に基づく3つの手作業特徴抽出技術(HOG),局所バイナリパターン(LBP),およびGaborフィルタに基づいて,4つの厳密な分類器をベンチマークした。ここでは,手作業特徴抽出法を用いて,データセット画像から特徴を抽出し,次に,Bangla手書き数字を同定するために機械学習分類器を訓練するために利用した。さらに,これらのアルゴリズムから最も細かいBangla手書き数字認識性能を得るために,分類アルゴリズムのハイパーパラメータをさらに微調整し,採用したすべてのモデルの中で,SVMモデルと組み合わせたHOG特徴(HOG+SVM)は,すべてのデータセットの中で最良の性能計量を達成した。NumtaDB,CMARTdb,Ekush,およびBDRWデータセットに関するHOG+SVM法の認識精度は,それぞれ93.32%,98.08%,95.68%および89.68%に達し,また,モデル性能を最近の最先端の方法と比較した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

パターン認識

, ,

前のページに戻る