一种改进卷积神经网络的阿拉伯文字图像识别方法
杨秀璋1
施奕1
李娜2
刘润森3
杨琪4
武帅5
1.贵州财经大学信息学院 贵州贵阳 5500252.中国船舶工业系统工程研究院 北京 1000943.深圳捻果科技有限公司 广东深圳 5180004.荥经县政务服务和大数据中心 四川雅安 6252005.贵州财经大学信息学院 贵州贵阳 550025;涟水县高层次人才发展中心 江苏淮安 223400
摘要：传统阿拉伯文字研究主要集中于字形释义、文化传承和艺术探究领域,缺乏利用深度学习技术对文字的识别,并且由于古文字的字形变化、数字化读取困难,传统方法识别的准确率较低.针对上述问题,提出了一种改进卷积神经网络的阿拉伯文字图像识别方法.首先采集阿拉伯文字图像数据集,对其进行数值特征转换、图像标准化等预处理操作;接着构建融合注意力机制和四层卷积神经网络的模型,提取具有代表性的局部特征;最后通过全连接层并调用Softmax分类器实现阿拉伯文字图像分类,完成图像识别任务.实验结果表明,提出的方法在准确率、精确率、召回率和F1值上均有所提升,其值分别是0.9657、0.9662、0.9658和0.9660,该结果优于传统卷积神经网络和机器学习方法,并通过详细的图像分类实验有效识别出28种类别的阿拉伯文字,为少数民族文字自动化和智能化提取及识别研究提供有效支撑.
关键词：深度学习图像识别阿拉伯文字卷积神经网络数字人文
资助基金：川菜发展研究中心科研项目(CC21G02)
论文发表日期：2021-09-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 6-11 )