ET-Network: Ein neuartiges effizientes Transformer-Deep-Learning-Modell zur automatisierten Erkennung von handgeschriebenem Urdu-Text

Die automatische Erkennung von handgeschriebenem Urdu-Text ist eine herausfordernde Aufgabe in der OCR-Industrie. Im Gegensatz zu gedrucktem Text fehlt der urdu-geschriebenen Schrift eine einheitliche Schriftart und Struktur. Dieses Fehlen von Einheitlichkeit verursacht Dateninkonsistenzen und Erkennungsprobleme. Verschiedene Schreibstile, geschwungene Schriften und begrenzte Daten machen die Erkennung von Urdu-Text zu einer komplizierten Aufgabe. Hauptsprachen wie Englisch haben Fortschritte in der automatisierten Erkennung gemacht, während ressourcenschwache Sprachen wie Urdu noch hinterherhinken. Transformer-basierte Modelle sind vielversprechend für die automatisierte Erkennung in hoch- und ressourcenschwachen Sprachen wie Urdu. Dieses Papier stellt eine transformerbasierte Methode vor, die ET-Network genannt wird und Selbstaufmerksamkeit in EfficientNet für die Merkmalsextraktion und einen Transformator für das Sprachmodell integriert. Die Verwendung von Selbstaufmerksamkeits-Schichten in EfficientNet hilft, globale und lokale Merkmale zu extrahieren, die langfristige Abhängigkeiten erfassen. Diese Merkmale wurden in einen einfachen Transformer überführt, um Text zu generieren, und ein Präfix-Strahlensuche wurde für das beste Ergebnis verwendet. NUST-UHWR, UPTI2.0 und MMU-OCR-21 sind drei Datensätze, die verwendet wurden, um das ET-Network für ein handgeschriebenes Urdu-Skript zu trainieren und zu testen. Das ET-Network verbesserte die Zeichenfehlerquote um 4 % und die Wortfehlerquote um 1,55 %, während eine neue Spitzenzeichenfehlerquote von 5,27 % und eine Wortfehlerquote von 19,09 % für handgeschriebenen Urdu-Text erzielt wurde.