.png){kind=icon}
返回
FAICSA-DLSTM: Character Recognition Using Firefly Algorithm based Improved Crow Search Algorithm with Dynamic Long Short-Term Memory Network
.png){kind=icon}
PRE
AI
DOI：10.1080/03772063.2025.2588636.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
手写和印刷字符识别对于各种实际应用至关重要，包括模式识别和通信技术。精确的字符识别具有挑战性，因为传统模型无法有效捕捉字符结构中的长距离依赖关系和序列变化。此外，提取特征的维度较高，导致难以识别相关信息，从而影响分类性能。为了解决上述挑战，提出了一种基于萤火虫算法改进的乌鸦搜索算法（FAICSA）用于特征优化，并将其与动态长短时记忆网络（DLSTM）集成用于字符识别。通过应用腐蚀和膨胀等形态学操作，对包含所需字符的区域（ROI）进行分割。在分割后的图像上，通过集成五种技术进行特征提取：ResNet-18、轮廓提取、骨架化、分块和统计特征。随后，利用FAICSA降低原始提取特征的空间维度。FAICSA选择后的特征输入到DLSTM网络中进行字符识别。此外，将指数线性单元（ELU）激活函数引入DLSTM，以通过避免梯度爆炸来稳定训练，从而提升泛化能力。FAICSA-DLSTM模型在实时数据集和Chars74K数据集上分别实现了94.60%和99.72%的卓越分类准确率。FAICSA-DLSTM模型的结果显著优于现有模型，包括循环神经网络（RNN）、长短时记忆网络（LSTM）、稀疏自编码器和门控循环单元（GRU）。
Keyword:
Binarization
Crow search algorithm
English character recognition
Firefly algorithm
Long short-term memory network
Morphological operation
Normalization
期刊
IF:
1.3
论文数:
253
被引数:
3.3K
机构
引用论文
ILBPSDNet: Based on improved local binary pattern shallow deep convolutional neural network for character recognitionILBPSDNet：基于改进的局部二值模式浅层深度卷积神经网络用于字符识别
PREAI
分享收藏Paddle-OCR-Based Real-Time Online Recognition System for Steel Plate Slab Spray Marking Characters彭, Q., 图, L., 2024. 基于Paddle-OCR的钢坯喷印字符实时在线识别系统. 控制与决策 35, 221–233.
PREAI
分享收藏
Convolutional-Neural-Network-Based Handwritten Character Recognition: An Approach with Massive Multisource Data.png)
Algorithms
OAAI
AlgorithmsIF0
OAAI分享收藏
查看更多内容