基于图像识别儿童手写的阿拉伯字符,使用自信加权的堆叠组合
1Computer and Information Technology Department, Jubail Industrial College, Jubail 35718, Saudi Arabia.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究引入了一种新的堆叠组合框架,用于识别儿童的阿拉伯手写,显著提高准确性和可靠性. 该方法增强了自动化的教育评估工具和智能辅导系统.
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:
- 手写的阿拉伯字符识别,特别是对于儿童来说,是复杂的,因为写作变化和双重标志.
- 深度学习模型显示出有希望的结果,但在这个领域的可靠性方面存在困难.
研究的目的:
- 为传感器获取的阿拉伯手写数据开发一个强大的堆叠组合框架.
- 通过使用动态信任值机制,提高预测可靠性.
主要方法:
- 整合了三个卷积神经网络 (ConvNeXtBase,DenseNet201,VGG16) 使用一个完全连接的元学习器.
- 实现了优化的信心值来过不确定的预测,最大限度地提高了F1的得分.
- 评估了儿童阿拉伯手写的Hijja和Dhad基准数据集的框架.
主要成果:
- 实现了最先进的性能:95.13%的准确性和Hijja.上94.62%的F1得分.
- 在Dhad.上获得了96.14%的准确性和95.59%的F1分数.
- 与现有方法相比,Hijja的准确性提高了3%以上.
结论:
- 基于信任的堆叠组合有效地提高了阿拉伯手写识别的可靠性.
- 拟议的框架显示了自动化教育评估和智能辅导系统的巨大潜力.
