5、乌尔都语手写文本识别与 fMRI 在神经疾病诊断中的应用

最新推荐文章于 2025-05-26 09:35:15 发布

ios99

最新推荐文章于 2025-05-26 09:35:15 发布

阅读量51

点赞数

CC 4.0 BY-SA版权

分类专栏：电气工程前沿：创新与应用文章标签：乌尔都语手写识别 CNN RNN

本文链接：https://blog.youkuaiyun.com/ios99/article/details/149568602

电气工程前沿：创新与应用专栏收录该内容

64 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

                    
                     乌尔都语手写文本识别与 fMRI 在神经疾病诊断中的应用  
 1. 乌尔都语手写文本识别  
 1.1 不同算法在乌尔都语文本识别中的应用  
  TSDNN 测试  ：使用 TSDNN 对包含 12k 乌尔都字符的 1094 张真实世界图像进行测试，4.2k 和 51k 图像数据集的识别率分别为 94.90% 和 95.20%，真实世界图像的准确率为 76.60%。 
  整体 CNN 方法  ：对 5 个单词（tawheed、namaz、hajj、rehmat 和 Jannat）的 5298 个样本应用整体 CNN 方法，每个单词约书写 1000 次。使用 60×60、50×50 和 30×30 三种不同图像尺寸，前馈神经网络实现的最高准确率为 96%。 
  HUCD 数据集与 CNN 模型  ：引入了 Handwritten Urdu Character dataset (HUCD)，包含约 106,120 个手写乌尔都文本和数字样本。样本根据连接属性分为连接符和非连接符。提出了一个 CNN 架构，输入层大小为 64×64，有 4 个卷积隐藏层，第一个卷积层有 64 个大小为 5×5 的任意内核，其余三层分别有 128、256 和 128 个大小为 3×3 的内核。初始学习率为 0.001，批量大小为 256，训练 30 个周期，该 4 层 CNN 模型的准确率约为 98.82%。 
  多种算法测试  ：在 4668 张图像的数据集上使用多层感知器、支持向量机、k - NN、CNN、RNN 和随