論文の概要: Histograms of Points, Orientations, and Dynamics of Orientations
Features for Hindi Online Handwritten Character Recognition
- arxiv url: http://arxiv.org/abs/2309.02067v1
- Date: Tue, 5 Sep 2023 09:11:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 15:32:31.838310
- Title: Histograms of Points, Orientations, and Dynamics of Orientations
Features for Hindi Online Handwritten Character Recognition
- Title（参考訳）: ヒンディー語オンライン手書き文字認識のための点, 向き, 方向特徴のヒストグラム
- Authors: Anand Sharma (MIET, Meerut), A. G. Ramakrishnan (IISc, Bengaluru)
- Abstract要約: オンライン手書き文字認識において,文字ストローク方向と順序変化とは無関係な特徴セットを提案する。
提案された機能は、比較のために考慮された他の機能よりも、キャラクタの非ネイティブ性が高い。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A set of features independent of character stroke direction and order
variations is proposed for online handwritten character recognition. A method
is developed that maps features like co-ordinates of points, orientations of
strokes at points, and dynamics of orientations of strokes at points spatially
as a function of co-ordinate values of the points and computes histograms of
these features from different regions in the spatial map.
Different features like spatio-temporal, discrete Fourier transform, discrete
cosine transform, discrete wavelet transform, spatial, and histograms of
oriented gradients used in other studies for training classifiers for character
recognition are considered. The classifier chosen for classification
performance comparison, when trained with different features, is support vector
machines (SVM).
The character datasets used for training and testing the classifiers consist
of online handwritten samples of 96 different Hindi characters. There are 12832
and 2821 samples in training and testing datasets, respectively.
SVM classifiers trained with the proposed features has the highest
classification accuracy of 92.9\% when compared to the performances of SVM
classifiers trained with the other features and tested on the same testing
dataset. Therefore, the proposed features have better character discriminative
capability than the other features considered for comparison.
- Abstract（参考訳）: オンライン手書き文字認識において,文字ストローク方向と順序変化とは無関係な特徴セットを提案する。
点の座標、点におけるストロークの向き、点におけるストロークの向きのダイナミクスなどの特徴を、点の値の関数として空間的にマッピングし、空間地図内の異なる領域からこれらの特徴のヒストグラムを計算する方法を開発した。
時空間, 離散フーリエ変換, 離散コサイン変換, 離散ウェーブレット変換, 空間, 向き勾配のヒストグラムなどの異なる特徴を, 文字認識のための分類器の訓練に用いている。
分類性能比較のために選択された分類器は、異なる特徴で訓練された場合、サポートベクトルマシン(SVM)である。
分類器の訓練とテストに使用される文字データセットは、96の異なるヒンディー文字のオンライン手書きサンプルで構成されている。
トレーニングデータセットとテストデータセットには,それぞれ12832と2821のサンプルがある。
提案した機能で訓練されたSVM分類器は、他の機能で訓練され、同じテストデータセットでテストされたSVM分類器のパフォーマンスと比較して、92.9\%の分類精度を持つ。
したがって,提案する特徴は,比較対象の他の特徴よりも識別性が優れる。
関連論文リスト
- Verbalized Representation Learning for Interpretable Few-Shot Generalization [130.8173035901391]
Verbalized Representation Learning (VRL)は、オブジェクト認識のための人間の解釈可能な特徴を自動的に抽出する新しいアプローチである。
本手法は,クラス間の差異とクラス内共通点を自然言語形式で把握する。
VRLは従来の最先端手法よりも24%の絶対的な改善を実現している。
論文 参考訳（メタデータ） (2024-11-27T01:55:08Z) - Supervised Pattern Recognition Involving Skewed Feature Densities [49.48516314472825]
一致する類似度指数に基づくユークリッド距離の分類ポテンシャルと相似性指数を比較する。
隣接する2つの群の密度間の交点を分類する精度を考慮する。
論文 参考訳（メタデータ） (2024-09-02T12:45:18Z) - High-Discriminative Attribute Feature Learning for Generalized Zero-Shot Learning [54.86882315023791]
一般化ゼロショット学習(HDAFL)のための高識別属性特徴学習(High-Discriminative Attribute Feature Learning)という革新的な手法を提案する。
HDAFLは複数の畳み込みカーネルを使用して、画像の属性と高い相関性を持つ識別領域を自動的に学習する。
また、属性間の識別能力を高めるために、Transformerベースの属性識別エンコーダを導入する。
論文 参考訳（メタデータ） (2024-04-07T13:17:47Z) - Enhancing Person Re-Identification through Tensor Feature Fusion [0.5562294018150907]
本稿では,テンソル特徴表現とマルチ線形部分空間学習に基づく新しい人物認識システム(PRe-ID)を提案する。
提案手法は,事前学習したCNNを高レベル特徴抽出に活用する。
クロスビュー四分法解析(TXQDA)アルゴリズムは,マルチ線形部分空間学習に使用される。
論文 参考訳（メタデータ） (2023-12-16T15:04:07Z) - A Classifier Using Global Character Level and Local Sub-unit Level
Features for Hindi Online Handwritten Character Recognition [0.0]
Hindiのオンライン手書き文字をモデル化するために,グローバル文字特徴,サブユニット数,ローカルサブユニット特徴の同時分布を定義する分類器を開発した。
開発した分類器は、同じトレーニングセットから抽出された異なる特徴に基づいて訓練された分類器と比較して、テストセットで93.5%の精度を持つ。
論文 参考訳（メタデータ） (2023-10-26T04:20:39Z) - Siamese based Neural Network for Offline Writer Identification on word
level data [7.747239584541488]
入力語画像に基づいて文書の著者を特定する新しい手法を提案する。
本手法はテキスト独立であり,入力画像のサイズに制約を課さない。
論文 参考訳（メタデータ） (2022-11-17T10:01:46Z) - Getting the Most out of Simile Recognition [48.5838790615549]
Simile認識には2つのサブタスクがある: 文がsimileを含むかどうかを識別するsimile文分類と、対応するオブジェクトを特定するsimileコンポーネント抽出である。
最近の研究は表面弦以外の特徴を無視している。
1)POSタグ,依存性木,単語定義を含む入力側機能,2)デコード決定の相互依存性をキャプチャするデコード機能,の2つの特徴について検討する。
論文 参考訳（メタデータ） (2022-11-11T03:22:45Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - Text Classification and Clustering with Annealing Soft Nearest Neighbor
Loss [0.0]
私たちは、より優れた自然言語表現を学ぶために歪曲を使用します。
テキスト分類やテキストクラスタリングのタスクに採用しています。
提案手法は,AG Newsデータセット上で90.11%の精度で,テストクラスタリング精度は88%であった。
論文 参考訳（メタデータ） (2021-07-23T09:05:39Z) - Cross-domain Speech Recognition with Unsupervised Character-level
Distribution Matching [60.8427677151492]
2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。
Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
論文 参考訳（メタデータ） (2021-04-15T14:36:54Z)
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。