通过封闭机制提高手写文本识别准确度.
Ravikumar Chinthaginjala1, C Dhanamjayulu2, Tai-Hoon Kim3
1School of Electronics Engineering, Vellore Institute of Technology, Vellore, India. cvrkvit@gmail.com.
Scientific reports
|July 22, 2024
概括
像长期短期记忆网络这样的封闭机制显著改善了手写文本识别 (HTR). 这一进步提高了对历史文档等数字化的准确性和稳定性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 手写文本识别 (HTR) 是复杂的,因为固有的变化.
- 传统的HTR方法在准确性和稳定性方面面临挑战.
研究的目的:
- 用封闭机制提供手写文本识别 (HTR) 的概述.
- 突出HTR系统中封闭机制的新性和优势.
主要方法:
- 使用封闭机制,特别是长短期内存 (LSTM) 网络,用于序列建模.
- 实施一条涉及图像预处理,特征提取,封闭机制建模和解码的管道.
- 用注释数据集和优化技术进行培训,以尽量减少错误.
主要成果:
- 封闭式机制可以捕捉长期的依赖性,并处理可变长度的序列.
- 与传统方法相比,提高了HTR的准确性和稳定性.
- 在五个不同的数据集上,与最新的HTR代相比,表现出卓越的性能.
结论:
- 门式机制为有效的手写文本识别提供了显著的进步.
- 这项技术具有广泛的应用,包括数字化历史文档和实时转录.
- 使智能手机和机器人等低成本计算设备能够从先进的HTR中受益.
