Enhanced Recognition of Offline Marathi Handwriting via a Self-Additive Attention Mechanism
Notice bibliographique
Résumé
Background: Offline Marathi handwriting recognition presents a significant challenge due to the script's complexity and the variability of individual writing styles.Methods: In the present work, an advanced encoder-decoder framework is introduced, wherein a novel selfadditive-attention mechanism is integrated.This model capitalizes on a Convolutional Neural Network paired with a Joint Scale Feature Extractor (CNN-JSE) to discern low-level image features within the IIIT-HW-Dev dataset.Such features are subsequently fed into an encoder model that employs a dual-phase fusion process: initially leveraging a Bidirectional Long Short-Term Memory (BiLSTM) network, followed by the self-additive-attention mechanism to maintain dependencies over extensive sequences.Results: The fusion output, comprising BiLSTM and self-additive attention data, is conveyed to a Connectionist Temporal Classifier (CTC) decoder.This decoder adeptly identifies character sequences within Marathi words.The introduction of self-additive attention alongside BiLSTM is instrumental in preserving dependencies that are both long-range and multi-stage.Performance Evaluation: The efficacy of the proposed system was rigorously evaluated on the multi-author IIIT-HW-Dev dataset.Performance metrics, specifically Character Error Rate (CER) and Word Error Rate (WER), were employed for benchmarking against various established models.Conclusion: The proposed methodology demonstrates a significant enhancement in the recognition of handwritten Marathi text, thus facilitating the conversion of handwritten documents into machine-editable text.The utilization of selfadditive attention within the BiLSTM framework underscores its potential in capturing complex dependencies, setting a new precedent in automated handwriting recognition technologies.Significance: This study not only paves the way for increased accuracy in handwritten text recognition but also contributes a novel approach to the encoding of feature sequences, which may be applicable to a broad range of pattern recognition applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».