.png){kind=icon}
返回
Multilingual OCR for cursive scripts using Swin Transformers
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-026-12102-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光学字符识别（OCR）技术在印地语系如孟加拉语、天城语和乌尔都语方面取得了广泛进展，但克什米尔语文字仍研究不足。乌尔都语和克什米尔语中使用的纳斯塔利格（Nastaliq）手写连笔文字识别尤其具有挑战性，因其连笔连接、上下文依赖的字符形态以及手写多样性。现有方法往往无法捕捉环状结构、点（nuqta）和笔画细节等关键特征，这些特征可区分视觉相似的字符。本研究提出了一种基于Swin Transformer架构的深度学习方法，采用窗口注意力机制和多尺度处理来保留精细细节和整体结构。该模型解决了字符重叠和手写风格多样等难题，能良好适应乌尔都语和克什米尔语手写文本的复杂性。多尺度窗口技术确保了精细细节和较大字符结构的捕捉，使模型能处理重叠字符和多样化的手写风格。在四个基准数据集（UNHD、NUST-UHWR、UHLD和新引入的克什米尔语HKTD）上的实验评估表明，所提出的Swin Transformer方法在乌尔都语数据集上达到95.4%的总体识别准确率，连字错误率低至1.5%～2.9%，在克什米尔语文本上为5.6%。该模型仅需少于3 GB GPU内存，训练时间不到3小时，在准确率和计算效率方面显著优于现有的CNN和混合Transformer基线模型。
Keyword:
Optical Character Recognition (OCR)
Cursive text
Handwritten Urdu
Handwritten Kashmiri text
Swin transformers
Multi-head attention
Shifted window
Multilayer perceptron
期刊
IF:
4.5
论文数:
928
被引数:
3.2W
机构
引用论文
.png){kind=icon}
Cursive Handwritten Text Recognition using Bi-Directional LSTMs: A Case Study on Urdu Handwriting基于双向LSTMs的连笔手写文本识别：一项关于乌尔都语手写的案例研究
PREAI
分享收藏Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers从序列到序列的角度重新思考语义分割
OAAI
OAAI分享收藏
查看更多内容