Resumen

A pesar de los avances en la tecnología de reconocimiento de objetos, el reconocimiento de caracteres manuscritos en bangla (HBCR) sigue sin resolverse en gran medida debido a la presencia de muchos caracteres manuscritos ambiguos y a la escritura excesivamente cursiva del bangla. Incluso muchos de los métodos avanzados existentes no conducen a un rendimiento satisfactorio en la práctica relacionado con el HBCR. En este artículo, se analiza un conjunto de redes neuronales convolucionales profundas (DCNN) de última generación y se evalúa sistemáticamente su rendimiento en la aplicación de HBCR. La principal ventaja de los enfoques DCNN es que pueden extraer características discriminativas de los datos brutos y representarlas con un alto grado de invariabilidad a las distorsiones del objeto. Los resultados experimentales muestran el rendimiento superior de los modelos DCNN en comparación con otros enfoques populares de reconocimiento de objetos, lo que implica que DCNN puede ser un buen candidato para construir un sistema automático de HBCR para aplicaciones prácticas.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:carácter manuscrito bangla, a pesar del avance, ventaja de dcnn, tecnología de reconocimiento de objetos, aplicación de hbcr, enfoque de reconocimiento de objetos, sistema automático de hbcr, red neuronal convolucional, reconocimiento de caracteres bangla, carácter manuscrito ambiguo
• Keywords:handwritten bangla character, spite of advance, advantage of dcnn, object recognition technology, application of hbcr, object recognition approach, automatic hbcr system, convolutional neural network, bangla character recognition, ambiguous handwritten character