一种改进卷积神经网络的阿拉伯文字图像识别方法
一种改进卷积神经网络的阿拉伯文字图像识别方法

一种改进卷积神经网络的阿拉伯文字图像识别方法


标题: 一种改进卷积神经网络的阿拉伯文字图像识别方法


作者: 杨秀璋,施奕,李娜,刘润森,杨琪


第一作者: 杨秀璋


机构: 贵州财经大学信息学院,中国船舶工业系统工程研究院,深圳捻果科技有限公司,荥经县政务服务和大数据中心


期刊: 信息技术与信息化


发表日期: 2021-09-25


论文摘要: 传统阿拉伯文字研究主要集中于字形释义、文化传承和艺术探究领域,缺乏利用深度学习技术对文字的识别,并且由于古文字的字形变化、数字化读取困难,传统方法识别的准确率较低。针对上述问题,提出了一种改进卷积神经网络的阿拉伯文字图像识别方法。首先采集阿拉伯文字图像数据集,对其进行数值特征转换、图像标准化等预处理操作;接着构建融合注意力机制和四层卷积神经网络的模型,提取具有代表性的局部特征;最后通过全连接层并调用Softmax分类器实现阿拉伯文字图像分类,完成图像识别任务。实验结果表明,提出的方法在准确率、精确率、召回率和F1值上均有所提升,其值分别是0.965 7、0.966 2、0.965 8和0.966 0,该结果优于传统卷积神经网络和机器学习方法,并通过详细的图像分类实验有效识别出28种类别的阿拉伯文字,为少数民族文字自动化和智能化提取及识别研究提供有效支撑。


知网阅读链接: 点击跳转






提示:本站使用最低限度cookies来确保基础功能实现。 View more
同意
拒绝