論文の概要: BHDD: A Burmese Handwritten Digit Dataset

• arxiv url: http://arxiv.org/abs/2603.21966v1
• Date: Mon, 23 Mar 2026 13:31:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.686854
• Title: BHDD: A Burmese Handwritten Digit Dataset
• Title（参考訳）: BHDD:ビルマの手書きディジットデータセット
• Authors: Swan Htet Aung, Hein Htet, Htoo Say Wah Khaing, Thuya Myo Nyunt,
• Abstract要約: 10級ビルマ数字の87,561グレースケール画像の収集。 トレーニングセットは6万のサンプルをクラス間で均等に分割する。 我々は,データセットのクラス分布,画素統計,形態変化を分析し,ミャンマー文字の数字形状を同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We introduce the Burmese Handwritten Digit Dataset (BHDD), a collection of 87,561 grayscale images of handwritten Burmese digits in ten classes. Each image is 28x28 pixels, following the MNIST format. The training set has 60,000 samples split evenly across classes; the test set has 27,561 samples with class frequencies as they arose during collection. Over 150 people of different ages and backgrounds contributed samples. We analyze the dataset's class distribution, pixel statistics, and morphological variation, and identify digit pairs that are easily confused due to the round shapes of the Myanmar script. Simple baselines (an MLP, a two-layer CNN, and an improved CNN with batch normalization and augmentation) reach 99.40%, 99.75%, and 99.83% test accuracy respectively. BHDD is available under CC BY-SA 4.0 at https://github.com/baseresearch/BHDD
• Abstract（参考訳）: 本稿では,ビルマ手書きディジットデータセット (BHDD) について紹介する。 各画像は28x28ピクセルで、MNISTフォーマットに従っている。 トレーニングセットは6万のサンプルをクラス間で均等に分割し、テストセットは27,561のサンプルを収集中に発生させる。 年齢や背景の異なる150人以上がサンプルを提出した。 我々は,データセットのクラス分布,画素統計,形態変化を分析し,ミャンマー文字の丸い形状によって容易に混同される桁対を同定する。 単純なベースライン(MLP、2層CNN、バッチ正規化と拡張によるCNN)はそれぞれ99.40%、99.75%、99.83%のテスト精度に達した。 BHDDはCC BY-SA 4.0の下でhttps://github.com/baseresearch/BHDDで利用可能である。

関連論文リスト

• "ScatSpotter" 2024 -- A Distributed Dog Poop Detection Dataset [0.0]
  現在42ギガバイトの犬糞の電話画像のデータセットを新たに導入しました。 6kのフル解像度イメージと4kの詳細なポリゴンアノテーションがある。 画像の収集とアノテーションは2020年後半に開始され、データセットは約1GB成長している。
  論文  参考訳（メタデータ） (2024-12-21T04:05:29Z)
• BAUST Lipi: A BdSL Dataset with Deep Learning Based Bangla Sign Language Recognition [0.5497663232622964]
  聴覚障害者コミュニティとのコミュニケーションを強化するために、手話の研究が盛んである。 重要な障壁の1つは、包括的なBangla手話データセットがないことである。 18,000個の画像からなる新しいBdSLデータセットを導入し,各画像のサイズを224×224ピクセルとする。 我々は、複数の畳み込み層、アクティベーション機能、ドロップアウト技術、LSTM層を統合するハイブリッド畳み込みニューラルネットワーク(CNN)モデルを考案した。
  論文  参考訳（メタデータ） (2024-08-20T03:35:42Z)
• Large Language Monkeys: Scaling Inference Compute with Repeated Sampling [81.34900892130929]
  モデルから候補解を繰り返しサンプリングする簡単な手法を用いて、推論計算をスケーリングのための別の軸として検討する。 複数のタスクやモデルにまたがって、カバレッジは4桁以上のサンプル数でスケールする。 コードや形式的証明のようなドメインでは、回答が自動的に検証されるので、カバレッジの増加は直接的にパフォーマンスの向上につながります。
  論文  参考訳（メタデータ） (2024-07-31T17:57:25Z)
• Ambient Diffusion: Learning Clean Distributions from Corrupted Data [77.34772355241901]
  本稿では,高度に破損したサンプルのみを用いて未知の分布を学習できる拡散型フレームワークを提案する。 このアプローチのもうひとつのメリットは、個々のトレーニングサンプルを記憶しにくい生成モデルをトレーニングできることです。
  論文  参考訳（メタデータ） (2023-05-30T17:43:33Z)
• Boosting Semi-Supervised 3D Object Detection with Semi-Sampling [85.68737731673396]
  我々は、グラウンド・シークレット・ラベルと擬似ラベルを用いて、ラベル付きフレームとラベルなしフレームのgtサンプルと擬似サンプルを収穫する。 教師が指導する半教師付きフレームワークのトレーニングでは,ラベル付きフレームとラベルなしフレームの両方に対して,gtサンプルと擬似サンプルをランダムに選択する。 我々は、ScanNet、SUN-RGBD、KITTIベンチマークにおける最先端の手法を大きなマージンで継続的に改善する。
  論文  参考訳（メタデータ） (2022-11-14T03:22:03Z)
• Graph Sampling Based Deep Metric Learning for Generalizable Person Re-Identification [114.56752624945142]
  我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。 大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T06:44:15Z)
• uTHCD: A New Benchmarking for Tamil Handwritten OCR [0.0]
  データベースは約91000のサンプルからなり、156のクラスで600近いサンプルがある。 データベースは、オンラインとオフラインの両方のサンプルの統合コレクションである。 また,畳み込みニューラルネットワーク(cnn)のデータベースを用いて,試験データのベースライン精度88%の理想的な実験的な設定を行う。
  論文  参考訳（メタデータ） (2021-03-13T10:34:08Z)
• Image Pre-processing on NumtaDB for Bengali Handwritten Digit Recognition [0.0]
  NumtaDBはベンガル最大の手書き桁のデータ集合である。 本稿では,任意の機械学習モデルに対して精度の高い事前処理画像のベンチマークを求める。
  論文  参考訳（メタデータ） (2020-08-18T11:02:25Z)
• K-Nearest Neighbour and Support Vector Machine Hybrid Classification [0.0]
  この手法は, 近接条件を満たす試験試料にK-Nearest Neighbour Classificationを用いた。 分離されたテストサンプル毎に、Support Vector Machineは、それに関連するトレーニングセットパターンに基づいてトレーニングされ、テストサンプルの分類が行われます。
  論文  参考訳（メタデータ） (2020-06-28T15:26:56Z)

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。