抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】