論文の概要: Handwritten Character Recognition from Wearable Passive RFID
- arxiv url: http://arxiv.org/abs/2008.02543v1
- Date: Thu, 6 Aug 2020 09:45:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 07:46:36.496100
- Title: Handwritten Character Recognition from Wearable Passive RFID
- Title(参考訳): ウェアラブル受動rfidによる手書き文字認識
- Authors: Leevi Raivio, Han He, Johanna Virkki, Heikki Huttunen
- Abstract要約: 本稿では,シーケンスとビットマップ表現を融合した前処理パイプラインを提案する。
データは全部で7500文字を含む10の被験者から収集される。
提案したモデルは実験で72%の精度に達しており、この挑戦的なデータセットの精度が高いと考えられる。
- 参考スコア(独自算出の注目度): 1.3190581566723918
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we study the recognition of handwritten characters from data
captured by a novel wearable electro-textile sensor panel. The data is
collected sequentially, such that we record both the stroke order and the
resulting bitmap. We propose a preprocessing pipeline that fuses the sequence
and bitmap representations together. The data is collected from ten subjects
containing altogether 7500 characters. We also propose a convolutional neural
network architecture, whose novel upsampling structure enables successful use
of conventional ImageNet pretrained networks, despite the small input size of
only 10x10 pixels. The proposed model reaches 72\% accuracy in experimental
tests, which can be considered good accuracy for this challenging dataset. Both
the data and the model are released to the public.
- Abstract(参考訳): 本稿では,新しいウェアラブル型電子テキスタイルセンサパネルで取得したデータから手書き文字の認識について検討する。
データは順次収集され、ストローク順と結果のビットマップの両方を記録する。
本稿では,シーケンスとビットマップ表現を融合した前処理パイプラインを提案する。
データは全7500文字を含む10の被験者から収集される。
また,10×10ピクセルの小さな入力サイズにもかかわらず,従来のImageNet事前学習ネットワークをうまく利用するための新しいアップサンプリング構造を持つ畳み込みニューラルネットワークアーキテクチャを提案する。
実験では,提案モデルが72\%精度に達し,この難解なデータセットの精度が向上したと考えられる。
データとモデルの両方が公開されています。
関連論文リスト
- Can Encrypted Images Still Train Neural Networks? Investigating Image Information and Random Vortex Transformation [51.475827684468875]
画像変換時の情報内容の変化を評価するために,画像情報量を測定する新しい枠組みを構築した。
また,Random Vortex Transformationと呼ばれる新しい画像暗号化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-11-25T09:14:53Z) - Mero Nagarikta: Advanced Nepali Citizenship Data Extractor with Deep Learning-Powered Text Detection and OCR [0.0]
そこで本研究では,テキストオブジェクトの正確な検出にYOLOv8を用いるロバストシステムと,最適化されたPyTesseractに基づくOCRアルゴリズムを提案する。
モバイルアプリケーションのコンテキスト内で実装されたこのシステムは、重要なテキスト情報の自動抽出を可能にする。
ネパール文字に最適化されたPyTesseractは、柔軟性と精度に関して標準のOCRよりも優れていた。
論文 参考訳(メタデータ) (2024-10-08T06:29:08Z) - Flowmind2Digital: The First Comprehensive Flowmind Recognition and
Conversion Approach [57.00892368627367]
フローチャートとマインドマップは、フローミンド(flowmind)と呼ばれ、日々の活動において不可欠であり、手書き版はリアルタイムのコラボレーションを容易にする。
既存のスケッチ認識手法は、フィールド固有であり、デジタル変換手順が欠如している、現実的な状況において制限に直面している。
本稿では,これらの課題に対処するため,Flowmind2digital法とhdFlowmindデータセットを提案する。
論文 参考訳(メタデータ) (2024-01-08T09:05:20Z) - Persis: A Persian Font Recognition Pipeline Using Convolutional Neural
Networks [2.239394800147746]
ペルシャ文字認識の分野で最初に公開されたデータセットを紹介する。
我々はこの問題を解決するために畳み込みニューラルネットワーク(CNN)を採用している。
我々は、CNN法がペルシア語のフォントを認識するために、追加の事前処理ステップを必要とせずに利用できると結論付けた。
論文 参考訳(メタデータ) (2023-10-08T18:07:15Z) - Writer Recognition Using Off-line Handwritten Single Block Characters [59.17685450892182]
我々は、生年月日DoBの6桁の個人番号を使用する。
本稿では,方向測定を行う手作り特徴に基づく認識手法と,ResNet50モデルによる深い特徴に基づく認識手法について検討する。
その結果,DoBでは手書き情報に同一性関連情報が6桁程度存在することがわかった。
論文 参考訳(メタデータ) (2022-01-25T23:04:10Z) - Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。
画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。
提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文 参考訳(メタデータ) (2021-10-29T16:51:16Z) - Training dataset generation for bridge game registration [0.0]
このソリューションは、認識されたオブジェクトを手動で収集しラベル付けすることで、時間を要するプロセスを省略することができる。
生成されたデータセットに基づいてトレーニングされたYOLOv4ネットワークは、カード検出タスクの99.8%の効率を達成した。
論文 参考訳(メタデータ) (2021-09-24T10:09:36Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳(メタデータ) (2021-09-12T19:33:34Z) - Object Detection Based Handwriting Localization [2.6641834518599308]
文書から手書き領域をローカライズするオブジェクト検出手法を提案する。
提案手法は手書き文字認識や署名検証などの他の作業を容易にすることも期待されている。
論文 参考訳(メタデータ) (2021-06-28T21:25:20Z) - Print Error Detection using Convolutional Neural Networks [0.0]
印刷誤りサンプルを人工的に生成する方法を提案する。
最終訓練されたネットワークは99.83%の精度でテストが完了しました。
論文 参考訳(メタデータ) (2021-04-11T16:30:17Z) - Data Augmentation for Object Detection via Differentiable Neural
Rendering [71.00447761415388]
注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。
この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。
オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
論文 参考訳(メタデータ) (2021-03-04T06:31:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。