Real-Time Handwritten Letters Recognition on an Embedded Computer Using ConvNets

Núñez-Fernández, Dennis; Hosseini, Sepidehsadat

doi:10.1109/shircon.2018.8592981

Cited by 2 publications

(1 citation statement)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Подібні рішення широко використовуються й у відносно недавніх роботах стосовно комп'ютерів з невеликою обчислювальною потужністю. Наприклад, пропонована в [14] ConvNet складається з двох згорткових шарів з ядрами розміром 5x5 кожен, які використовують функції активації нелінійності (ReLU), Авторські права захищені | Creative Commons Attribution-ShareAlike 4.0 International License…”

Section: введенняunclassified

Розпізнавання Рукописних Українських Літер Та Цифр З Використанням Синтетичного Набору Даних Та Згорткових Нейронних Мереж

Чичкарьов¹,

Зінченко²,

Балалаєва³

et al. 2023

GoS

View full text Add to dashboard Cite

У даній роботі розглянуто декілька варіантів архітектури згорткових нейронних мереж для розпізнавання ізольованих рукописних українських символів та цифр, які були навчені з використанням синтетичного набору даних, побудованого на базі набору рукописних шрифтів та друкованих курсивних шрифтів. Зіставлення результатів розпізнавання кількох варіантів зображень, що містять рукописні літери та цифри, за допомогою нейронних мереж з різною архітектурою показало, що збільшення кількості верстатів згортання веде до зменшення частоти помилкового розпізнавання символів. Із числа розглянутих варіантів найкращі результати розпізнавання забезпечила модель, що включає 13 згорткових і 3 щільні шари. Крім того, на результати розпізнавання, що досягаються, помітно впливає обсяг навчальної вибірки.

show abstract

Section: введенняunclassified

Розпізнавання Рукописних Українських Літер Та Цифр З Використанням Синтетичного Набору Даних Та Згорткових Нейронних Мереж

Чичкарьов¹,

Зінченко²,

Балалаєва³

et al. 2023

GoS

View full text Add to dashboard Cite

show abstract

A novel handwritten Turkish letter recognition model based on convolutional neural network

Kabakuş

Erdoğmuş

2021

Concurrency and Computation

View full text Add to dashboard Cite

Convolutional neural networks have provided state‐of‐the‐art solutions for many subfields of computer vision. While there exist many studies in the literature for several languages, studies for handwritten Turkish character recognition lack in the research field. To this end, we propose a novel handwritten Turkish letter recognition model based on a convolutional neural network. Since, to the best of our knowledge, there do not exist any publicly available handwritten Turkish letters datasets, we constructed a handwritten Turkish letters dataset that consists of 25,875 samples. To compare the performance of the proposed model with the related work, three state‐of‐the‐art models, namely, VGG19, InceptionV3, and Xception, were utilized through the transfer learning technique. When these models were evaluated on the handwritten Turkish letter dataset, the proposed model's accuracy was calculated as high as 96.07% which was higher than the benchmark models. To measure the generalization ability of the proposed model, it was evaluated on a gold standard dataset, namely, EMNIST, and has achieved an accuracy of 80.54% which was higher than the benchmark models. Finally, the proposed model was trained and evaluated on the EMNIST dataset and it has achieved an accuracy of 94.61% which outperformed the related work.

show abstract

Real-Time Handwritten Letters Recognition on an Embedded Computer Using ConvNets

Cited by 2 publications

References 9 publications

Розпізнавання Рукописних Українських Літер Та Цифр З Використанням Синтетичного Набору Даних Та Згорткових Нейронних Мереж

Розпізнавання Рукописних Українських Літер Та Цифр З Використанням Синтетичного Набору Даних Та Згорткових Нейронних Мереж

A novel handwritten Turkish letter recognition model based on convolutional neural network

Contact Info

Product

Resources

About