Recognition of isolated characters across different input interfaces using 2D DCNN

Yadav, Kuldeep; Monsley, K. Anish; Barlaskar, Saharul Alom; Ahmad, Naseem; Laskar, Rabul Hussain; Bhuyan, M. K.

doi:10.1109/tencon54134.2021.9707451

Cited by 2 publications

(1 citation statement)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Одним із способів покращення точності розпізнавання зображень є використання моделей складнішої архітектури. Наприклад, у [19] для розпізнавання ізольованих символів запропонована згорткова нейронна мережа, що містить 14 згорткових шарів для представлення ознак символів, два шари MaxPooling для зменшення розміру ознаки або для виділення сильних ознак, один шар softmax і один шар класифікації.…”

unclassified

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

unclassified