Developing adaptive Yolov5-based Telugu handwritten character segmentation and classification framework using Enhanced Chef-Based Optimization Algorithm and Deep Learning Networks

Murali Sastry

doi:10.1016/j.compeleceng.2025.110533

Developing adaptive Yolov5-based Telugu handwritten character segmentation and classification framework using Enhanced Chef-Based Optimization Algorithm and Deep Learning Networks

2025-06-24

0

PRE

AI

DOI：10.1016/j.compeleceng.2025.110533

原文链接

原文求助

摘要

En 中文

通过自动化技术实现的手写字符识别是近年来的工业创新之一，因为它有助于解读历史文献、数字手稿和大型记录。深度学习技术能够有效识别复杂图像模式，如手写泰卢固文字，然而，书写风格的固有变化性、独特特征和有限数据构成了具有挑战性的识别环境。定义一个具有智能深度学习技术的鲁棒分割和分类工具是处理手写字符识别中变化性和挑战的可行方案之一。因此，本文提出了一种有效的泰卢固手写字符分割和分类模型，用于处理可变长度序列识别中的挑战。最初，手写图像从在线数据源获取，并输入到自适应Yolov5（A-YoloV5）模型中进行分割处理。在此，开发了增强型主厨优化算法（ECOA）以提高YoloV5平台的性能并降低训练复杂度。然后，自适应Yolov5（A-YoloV5）将泰卢固字符从输入的手写图像中分割出来。在提取感兴趣区域（ROI）后，提取的图像被送入新开发的卷积神经网络与基于残差注意力机制的长期短期记忆层（CNN-RA-LSTM）模型，用于手写图像的分类。该网络结合了卷积神经网络和长短期记忆网络，并增加了残差层，以有效提取序列特征，然后对文本进行分类。CNN-RA-LSTM和A-Yolov5模型的效能与最新的泰卢固手写字符识别方法进行了比较，结果显示文本识别准确率达到95.41%。

Keyword:

Handwritten character recognition

Telugu script

Adaptive YoloV5

CNN-RA-LSTM

Deep learning

Developing adaptive Yolov5-based Telugu handwritten character segmentation and classification framework using Enhanced Chef-Based Optimization Algorithm and Deep Learning Networks

摘要

期刊

机构

引用论文