Uso de Faster R-CNN para detectar y reconocer palabras árabes escritas a mano

El reconocimiento de escritura árabe a mano es un área crucial de la investigación en visión por computadora. Sin embargo, su complejidad, estilos de escritura diversos y palabras superpuestas han llevado a una falta de investigación publicada en este campo. Este artículo sugiere dos nuevos modelos para reconocer palabras árabes escritas a mano, dependiendo de la Red Neuronal Convolucional de Región Más Rápida (Faster R-CNN). Estos modelos utilizaron dos redes preentrenadas durante la fase de extracción de características: la red Visual Geometry Group-16 (VGG-16) y la Red Residual (ResNet50). Los modelos se entrenan y prueban de forma independiente en dos conjuntos de datos: el conjunto de datos del Institut Für Nachrichtentechnik/Ecole Nationale d'Ingénieurs de Tunis (IFN/ENIT) y el conjunto de datos de Texto Árabe Manuscrito de KFUPM (KHATT). Los resultados de las pruebas mostraron que los modelos propuestos ofrecen resultados excelentes en comparación con otros. Los resultados de VGG16 y ResNet50 con el conjunto de datos IFN/ENIT alcanzaron tasas de precisión del 92% y 100%, respectivamente. Mientras tanto, la precisión del conjunto de datos KHATT alcanzó el 99,4% y el 98% con VGG16 y ResNet50, respectivamente.