AENet: Bildabruf von kasachischen handgeschriebenen Dokumenten basierend auf Aufmerksamkeitsmechanismus und Merkmalsaggregation

Kasachisch ist eine der mehrsprachigen Sprachen Chinas und wird in einigen Gebieten von Xinjiang, China, weit verbreitet gesprochen. Aufgrund der Tatsache, dass Kasachisch eine Sprache ist, in der mehrere Zeichen zusammengefügt werden, um ein kontinuierliches Wort mit einer einzigartigen Form und komplexen strukturellen Kombinationen von Beziehungen zu bilden. Dieser Artikel untersucht eine Lösung für den Offline-Bildabruf von handgeschriebenen kasachischen Wörtern, was eine herausfordernde Aufgabe darstellt, da traditionelle Textbildabrufalgorithmen oft Schwierigkeiten haben, zufriedenstellende Ergebnisse zu erzielen, wenn es um Schreibstile geht, die variieren und sich an die Sprache anpassen. Daher wurde in diesem Artikel ein Datensatz von Offline-Bildern handgeschriebener kasachischer Dokumente erstellt. Der Datensatz enthält 300 Seiten mit Dokumentenbildern und 20.500 Wörtern. Dann wird ein neues Modell namens ‚AENet‘ vorgeschlagen. Das Modell nutzt einen Aufmerksamkeitsmechanismus, um sich feiner auf zentrale Bereiche wie Zentren, Wendepunkte und Konturen von handgeschriebenen Wortbildern zu konzentrieren und wichtige lokale Merkmale aus verschiedenen Skalen zu erfassen. Fusion Space Pyramid Pooling, Merkmalsaggregation, Kodierungsoperationen sowie Merkmalsskalierung und -rekonstruktion werden verwendet, um repräsentativere Merkmalsdarstellungen von lokal bis global zu extrahieren und zu rekonstruieren, um die Gesamtheit der Informationen in den Wortbildern zu erfassen. Durch experimentelle Evaluierung mit den Datensätzen Kazak‐80, Zilla‐64 und HWDB1.1‐375 wurde verifiziert, dass die Methode die mAP für den Bildabruf handgeschriebener Wörter signifikant verbessert, was besonders für klebende Sprachen wie das Kasachische anwendbar ist. © 2024 Institute of Electrical Engineers of Japan und Wiley Periodicals LLC.