Identificación de escritura a mano en mongol offline basada en redes neuronales convolucionales
Autores: Sun, Yuxin; Fan, Daoerji; Wu, Huijuan; Wang, Zhixin; Tian, Jia
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Identificación de escritura a mano en mongol offline basada en redes neuronales convolucionales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Biométrico
Característica conductual
Aprendizaje profundo
Identificación forense
Red neuronal convolucional
Mongol
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
La escritura a mano es una característica conductual biométrica con una evidente distinción individual. Con el auge de la tendencia de aprendizaje profundo y la demanda de identificación forense, la identificación de la escritura a mano se ha convertido en uno de los puntos focales de investigación en el campo del reconocimiento de patrones. La investigación en identificación de la escritura a mano para los principales idiomas globales ha madurado. Sin embargo, en China, hay una atención limitada en el campo de la identificación del escritor para idiomas minoritarios como el mongol, lo que dificulta resolver casos criminales que involucran problemas de escritura a mano. Este documento inicia una exploración inicial de la identificación de la escritura a mano en mongol mediante la construcción de una red neuronal convolucional estructuralmente simple. Esta red neuronal convolucional, que consta de 12 operaciones de convolución y está diseñada para la identificación de la escritura a mano en mongol, se denomina MWInet-12. En este documento, se realizaron experimentos de evaluación del modelo utilizando un conjunto de datos que comprende 156,372 muestras aportadas por 125 escritores del conjunto de datos MOLHW. El conjunto de datos se dividió en conjuntos de entrenamiento, validación y prueba en una proporción de 8:1:1. Los resultados finales de los experimentos revelan una precisión impresionante en el conjunto de pruebas, logrando una precisión top-1 del 89.60% y una precisión top-5 del 97.53%. Además, a través de experimentos comparativos que involucran modelos Resnet50, Fragnet, GRRNN, VGG16 y VGG19, este documento establece que el modelo propuesto ofrece los resultados más favorables para la identificación de la escritura a mano en mongol. La investigación exploratoria sobre la identificación de la escritura a mano en mongol en este documento contribuye a aumentar la conciencia sobre el procesamiento de información para idiomas minoritarios. Ayuda a avanzar en la investigación sobre la clasificación de escritores de textos históricos mongoles y proporciona soporte técnico para la autenticación judicial que implica problemas de escritura a mano.
Descripción
La escritura a mano es una característica conductual biométrica con una evidente distinción individual. Con el auge de la tendencia de aprendizaje profundo y la demanda de identificación forense, la identificación de la escritura a mano se ha convertido en uno de los puntos focales de investigación en el campo del reconocimiento de patrones. La investigación en identificación de la escritura a mano para los principales idiomas globales ha madurado. Sin embargo, en China, hay una atención limitada en el campo de la identificación del escritor para idiomas minoritarios como el mongol, lo que dificulta resolver casos criminales que involucran problemas de escritura a mano. Este documento inicia una exploración inicial de la identificación de la escritura a mano en mongol mediante la construcción de una red neuronal convolucional estructuralmente simple. Esta red neuronal convolucional, que consta de 12 operaciones de convolución y está diseñada para la identificación de la escritura a mano en mongol, se denomina MWInet-12. En este documento, se realizaron experimentos de evaluación del modelo utilizando un conjunto de datos que comprende 156,372 muestras aportadas por 125 escritores del conjunto de datos MOLHW. El conjunto de datos se dividió en conjuntos de entrenamiento, validación y prueba en una proporción de 8:1:1. Los resultados finales de los experimentos revelan una precisión impresionante en el conjunto de pruebas, logrando una precisión top-1 del 89.60% y una precisión top-5 del 97.53%. Además, a través de experimentos comparativos que involucran modelos Resnet50, Fragnet, GRRNN, VGG16 y VGG19, este documento establece que el modelo propuesto ofrece los resultados más favorables para la identificación de la escritura a mano en mongol. La investigación exploratoria sobre la identificación de la escritura a mano en mongol en este documento contribuye a aumentar la conciencia sobre el procesamiento de información para idiomas minoritarios. Ayuda a avanzar en la investigación sobre la clasificación de escritores de textos históricos mongoles y proporciona soporte técnico para la autenticación judicial que implica problemas de escritura a mano.