识别阿拉伯空写字母:机器学习,卷积神经网络和光学字符识别 (OCR) 技术
Khalid M O Nahar1, Izzat Alsmadi2, Rabia Emhamed Al Mamlook3,4
1Computer Science Department, Faculty of Information Technology and Computer Sciences, Yarmouk University, Irbid 21163, Jordan.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
这项研究引入了阿拉伯语空气文字识别的混合模型,达到88.8%的准确性. 该模型将深度学习与机器学习和光学字符识别相结合,以改善人机交互.
科学领域:
- 人与计算机的交互
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 空气写作为人机交互提供了一种新的界面,在英语和中文中进行了大量研究,但在阿拉伯语中工作有限.
- 弥合阿拉伯空气文字的研究差距对于包容性技术进步和元宇宙应用至关重要.
研究的目的:
- 开发和评估一款用于准确识别阿拉伯空气文字的混合模型.
- 通过先进的手势识别来增强人机通信.
主要方法:
- 一个混合模型,将深度卷积神经网络 (CNN) 结合起来,用于特征提取 (VGG16,VGG19,SqueezeNet) 和机器学习分类器 (NN,RF,KNN,SVM).
- 整合光学字符识别 (OCR) 来从连续手势中分割单个字符.
- 在AHAWP数据集上应用网格和随机搜索优化进行参数调整.
主要成果:
- 拟议的混合模型使用具有VGG16特性的神经网络 (NN) 实现了88.8%的最大精度.
- 采用数据预处理方案来提高数据质量和减少偏差.
- 整合OCR有效地提高了孤立的阿拉伯字母的识别.
结论:
- 通过OCR增强的混合深度学习和机器学习方法显示了阿拉伯语空中文字识别的巨大潜力.
- 这项研究有助于推进多语言人机交互和元宇宙技术.
