Aug, 2019

Kannada-MNIST: 一种为卡纳达语量身定制的新手写数字数据集

PDF
TL;DR本文介绍了一种新的手写数字数据集 Kannada-MNIST，可作为原 MNIST 数据集的直接替代品，并提供了另外一个真实世界的手写数据集 Dig-MNIST，以作为领域外测试数据集。我们公开了所有代码以及原始扫描图像与扫描设置，这使得研究人员可以进行端到端比较。所得到的基线准确率表明，这些数据集确实提供了一个比 MNIST 或 KMNIST 数据集更具挑战性的普适性挑战。
发现论文，激发创造
  • EMNIST：手写字母的 MNIST 扩展数据集

    介绍了一个常用于图像分类和机器学习的 MNIST 数据集的扩展版本 EMNIST，它包含更具挑战性的数字和字母分类任务，而且与原始的 MNIST 任务具有相同的图像结构和参数，兼容所有现有的分类器和系统。通过将转换后的 NIST 数据集和 MNIST 数据集的分类结果进行比较来验证转换过程。

    Feb, 2017

  • Afro-MNIST: 合成 MNIST 风格的数据集，用于低资源语言

    介绍 Afro-MNIST 合成数据集及其用途，以及一种基于单个数字示例生成 MNIST 风格数据集的方法，并希望激励其他数字符号系统的科学研究。

    Sep, 2020

  • 失落的 MNIST 数字

    本文通过追踪 MNIST 数字的 NIST 源以及完整重构 MNIST 测试集（60000 个样本而非常用的 10000 个），证实 MNIST 数据集在 25 年实验后仍然保持模型选择和分类器排序的可靠性，虽然误分类率略有波动，这可能是在相同数字上进行分类器比较的配对效益所致。

    May, 2019

  • MNIST 手写数字图像的修剪

    我们提出了一种两阶段深度学习方法，用于识别手写数字，通过过滤失真和模糊图像来改善分类准确度，并在测试数据集上达到 99.5% 的准确率。

    May, 2023

  • MDIW-13：一个新的多语言和多脚本数据库与脚本识别基准

    提供了一个新的用于脚本识别算法比较的数据库，其中包含来自多个不同脚本的印刷和手写文件。该数据库可用于进行各种基准测试，并提供了不同级别和类型的脚本识别结果，为未来的研究提供基础。

    May, 2024

  • 基于 MLP 的手写孟加拉数字识别方法

    通过设计基于多层感知机分类器的特征向量模型并实验验证，可以实现手写孟加拉数字识别并可扩展到手写孟加拉字母的 OCR 应用。

    Mar, 2012

  • TextCaps: 使用非常小的数据集进行手写字符识别

    本文介绍了一种技术，通过加入实际的随机噪声到参数实例化中，从现有样本生成新的训练样本数据，以实现针对缺少大量标记数据的本地语言的字符识别，同时可用于物体识别等相关上下文。

    Apr, 2019

  • Fashion-MNIST: 一种新颖的图像数据集，用于基准测试机器学习算法

    介绍 Fashion-MNIST 数据集，该数据集由十个类别的七万张灰度图像组成，旨在作为 MNIST 数据集的替代品，用于机器学习算法的基准测试。

    Aug, 2017

  • 常见孟加拉手写字母的大型多目标数据集

    本研究提出了一种基于字形标注方案来线性切分字形组成部分的 标注方法，给出了一份 孟加拉语手写字母片段的数据集，用于测试视觉算法的多目标字形分类，结果表明，深度学习方法可以推广到许多字典之外的字形。

    Oct, 2020

  • 手写文件的非破坏性检验的新数据集

    司法笔迹鉴定是法医科学的一个分支，旨在通过全面比较内在的局部和全局特征，检验手写文件以准确定义或假设手稿的作者。该研究提出了一个新的数据集，包括传统手写文件和数字工具（如平板电脑）生成的文件之间的比较，并展示了数据的初步结果，显示第一子集可以达到 90％的分类准确率，第二子集可以达到 96％。

    Jan, 2024