Ein Mehrheitswahlverfahren zur Multiresolutionserkennung handgeschriebener Ziffern

Dieses Papier schlägt ein einfaches Wahlsystem zur Offline-Erkennung von handgeschriebenen Ziffern vor. Eine der Hauptmerkmale des vorgeschlagenen Schemas ist, dass es nicht von der Schriftart abhängt. Ein weiteres interessantes Merkmal ist, dass es ausreichend schnell für den Einsatz in der Praxis ist. Im Gegensatz zu den üblichen Praktiken haben wir hier die Effizienz eines Mehrheitswahlansatzes untersucht, bei dem alle beteiligten Klassifikatoren mehrschichtige Perzeptrons (MLP) unterschiedlicher Größen sind und die entsprechenden Merkmale auf Wavelet-Transformationen auf unterschiedlichen Auflösungsstufen basieren. Die Grundlage für diesen Ansatz ist es zu erkunden, wie man die Erkennungsleistung verbessern kann, ohne die Anforderungen an Rechenzeit und Ressourcen erheblich zu erhöhen. Zur Vereinfachung und Effizienz haben wir in der vorliegenden Arbeit nur drei Auflösungsstufen der Wavelet-Darstellung von grob bis fein betrachtet. Wir haben die vorgeschlagene Technik hauptsächlich an einer Datenbank von offline handgeschriebenen Bangla (einer wichtigen indischen Schrift) Ziffern simuliert. Wir erreichten eine korrekte Erkennungsrate von 97,16% an einem Testdatensatz von 5000 Bangla Ziffern. In dieser Simulation verwendeten wir zwei andere disjunkte Datensätze (einen für das Training und einen für Validierungszwecke) mit den Größen 6000 und 1000. Wir haben unseren Ansatz auch an der MNIST-Datenbank für handgeschriebene englische Ziffern getestet. Das Ergebnis ist vergleichbar mit den modernsten Technologien.