基于混合卷积神经网络的手写泰米尔字符识别模型UltraTamNet

《Scientific Reports》：UltraTamNet lightweight tamil-optimized deep learning architecture for handwritten character recognition

　　

摘要

泰米尔语源自婆罗米文字，是印度最古老的语言之一，也被马来西亚、斯里兰卡、新加坡等国家使用，拥有超过3000年的历史。泰米尔文字是一种非常复杂的书写系统，包含247个字符，形态各异，包括直线、曲线、环路等，且多个字符在外观上存在相似性，使得分类识别非常困难。在使用深度学习（DL）和机器学习（ML）算法之前，研究人员主要依赖图像处理方法。这些方法计算开销较低，但不足以在多样化的场景下（如不同光照条件和方向）可靠地对手写泰米尔字符进行分类。虽然已有少数基于ML或DL的算法被用于手写泰米尔字符分类，但它们在轻量化与准确性之间存在权衡。为克服这些局限，本研究提出了UltraTamNet模型。该模型是一种针对泰米尔语优化的混合卷积神经网络（CNN），结合了深度可分离卷积模块和残差模块，能够在最小计算开销下捕捉复杂字符特征，从而实现高精度识别。所提方法通过一系列高效的特征提取层，从手写泰米尔字符中提取关键信息。UltraTamNet模型在两个数据集上进行测试：一个是公开的uTHCD数据集，另一个是从母语者中收集的定制化数据集。UltraTamNet模型的性能优于当前最先进的SOTA模型。实验结果表明，平均而言，所提模型比所有对比架构的平均准确率高出1.3%。在保持1.27 M参数规模的前提下，该模型在训练集上达到了99.5%的准确率，在测试集上达到了98.2%的准确率。研究结果表明，UltraTamNet模型在准确性和计算效率之间取得了良好平衡，提升了泰米尔手写字符识别性能。用于复现UltraTamNet模型架构和评估脚本的全部源代码可在¹处获取。