Oct, 2023

Persis: 使用卷积神经网络的波斯字体识别流程

PDF
TL;DR本文介绍了公开可用的第一个波斯字体识别数据库，并使用卷积神经网络解决了这个问题。结果表明，提出的流程在新的数据集上获得了 78.0% 的前 1 精度，在 IDPL-PFOD 数据集上为 89.1%，在 KAFD 数据集上为 94.5%。此外，对于我们的数据集的一个样本，整个流程在 CPU 上平均耗时 0.54 秒，在 GPU 上为 0.017 秒。我们得出结论，CNN 方法可以用于识别波斯字体，无需额外的预处理步骤，如特征提取、二值化、标准化等。
visual font recognitionvfr systemsconvolutional neural networkspersian font recognitionfont identification
发现论文，激发创造
  • DeepFont：从图像中识别出字体

    本研究提出了一个用于图像中字体识别、字体推荐、字体相似度等任务的深度学习模型 DeepFont，并使用卷积神经网络、模型压缩等技术对该模型进行优化。实验证明，该模型在我们的数据集中平均精度高于 80%，同时模型大小得到约 6 倍的压缩，而且在字体选择和建议中可产生较好的字体相似度度量。

    Jul, 2015

  • IDPL-PFOD2：一个用于印刷波斯文光学字符识别的新的大规模数据集

    本文介绍了一种针对波斯文印刷文本识别的新型大规模数据集，该数据集包含 2003541 个图像并提供各种字体、样式和尺寸。通过使用基于 CRNN 和 Vision Transformer 的体系结构来评估数据集的有效性，CRNN-based 模型达到 78.49% 的基准准确率和 97.72% 的标准化编辑距离，而 Vision Transformer 架构达到 81.32% 的准确率和 98.74% 的标准化编辑距离。

    Dec, 2023

  • 基于基元的全字体波斯语光学字符识别系统

    本文介绍了一种基于模型的全字体波斯语 OCR 系统，使用一组 8 个基元素作为结构特征进行识别，使用处理过的图像来识别字元素，该系统使用扫描文档并经过预处理，将文本行和子单词分开，提取笔画并使用基元素识别出每个子单词，最后将基元素与预定义的字符识别向量进行比较，达到了 97.06％的准确率。

    Feb, 2022

  • 使用算法生成的错拼词在多对多深度神经网络上检测波斯语排版错误类型

    本研究针对波斯语（Persian）的排版错误类型检测展开研究，构建了一套公开数据集 FarsTypo，使用神经网络结合 Word 和 Character Embeddings 进行分类，获得了 97.62% 的准确率，98.83% 的精确度，并在速度方面表现优异。

    May, 2023

  • 野外字体印象评估

    本文使用卷积神经网络 (CNN) 框架和示例为基础的印象估计方法，解决了从实际字体图像中估计字体印象的挑战性任务，并对真实书籍封面图像中的书籍流派和字体印象之间的相关性进行了量化和定性分析。

    Feb, 2024

  • 非本土手写字符的卷积神经网络分类

    利用卷积神经网络（CNNs）对非母语使用者书写的英文字母进行分类识别，借助 HIEC 数据集训练了一个定制的 CNN 模型，并通过调整超参数进行了消融研究，结果显示该模型在字符识别准确性方面优于其他模型，达到了 97.04% 的准确度，相对于次优模型提升了 4.38%。

    Jun, 2024

  • DeepVisage：简单却具有强大的泛化能力的人脸识别技术

    本文提出并实现了一种基于单个卷积神经网络的人脸识别方法，使用残差学习框架和归一化特征计算损失，实验证明在不同数据集上具有较好的泛化性能。

    Mar, 2017

  • 使用卷积神经网络的手写体识别

    通过使用 NIST 数据集对卷积神经网络进行训练并提取图像特征，成功实现了 90.54% 的识别准确率和 2.53% 的损失，该技术可以对手写和印刷文本进行 OCR 和 ICR 的处理。

    Jul, 2023

  • 使用卷积神经网络和笔画识别技术实现儿童手写阿拉伯字符识别

    本研究基于卷积神经网络（CNN）提出了一种针对儿童阿拉伯手写字符识别的模型，其精度在 Hijja 数据集上为 91%，在阿拉伯手写字符数据集上为 97%，并提出了一种基于笔画数的多模型方法，融合 Hijja 和 AHCD，平均预测准确率达到 96%。

    Nov, 2022

  • 深度学习技术实现高效无词典 OCR

    本文提出一种无分割 OCR 系统，该系统将深度学习方法、数据增强方法和合成训练数据结合起来，使用大型文本语料库和 2000 多种字体渲染合成训练数据，并通过几何失真和提出的 alpha-compositing 数据增强技术模拟复杂的自然环境，并采用 CNN 编码器以提取文本图像特征，检验了序列模型与卷积模型在模拟输入元素交互方面的能力。

    Jun, 2019