基于深度学习的帕什托手写文本识别系统:PHTI的基准
Ibrar Hussain1,2, Riaz Ahmad1, Khalil Ullah3
1Department of Computer Science, Shaheed Benazir Bhutto University, Sheringel, Dir, Pakistan.
PeerJ. Computer science
|April 25, 2024
概括
本研究介绍了使用多维长期短期记忆 (MD-LSTM) 网络识别普什图语手写文本的第一个基线系统. 该系统实现了20.77%的字符错误率 (CER),为普什图语数字化过渡提供了洞察力.
科学领域:
- 自然语言处理自然语言处理.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 普什图语缺乏用于手写文本识别的基线系统.
- 语言的数字化转型需要强大的识别系统.
研究的目的:
- 为普什图语手写文本引入第一个基线识别系统.
- 评估一个多维长期短期记忆 (MD-LSTM) 网络在Pashto手写文本图像库 (PHTI) 数据集上的性能.
主要方法:
- 预处理PHTI数据集以删除不需要的字符.
- 开发一种利用多维长短期记忆 (MD-LSTM) 网络的识别系统.
- 经验分析以优化MD-LSTM参数和对最先进模型进行比较实验.
主要成果:
- 拟议的MD-LSTM系统在PHTI测试套件上实现了20.77%的基线字符错误率 (CER).
- 探索了隐藏层大小 (10,20,80) 和Tanh层大小 (20,40) 的新奇性.
- 分析了前20个困惑点,以了解模型的局限性.
结论:
- 开发的系统为普什图语手写文本识别奠定了基础.
- 结果表明普什图语数字化转型面临的挑战和未来方向.
- 需要进一步的研究来提高识别精度和解决特定语言的复杂性.
