Identificación de escritores árabes para niños utilizando atención adversarial optimizada y clasificación híbrida dinámica

Abstract

El reconocimiento de escritura árabe es un dominio esencial en la investigación de visión por computadora. Sin embargo, su complejidad, la naturaleza intrincada, las variadas técnicas de escritura y el vocabulario superpuesto de los textos han resultado en una escasez de estudios publicados en este ámbito. Este artículo propone un modelo que aborda la identificación de escritores árabes para niños, en el cual se utiliza un modelo de Autoencoder Variacional con Atención Adversarial para la extracción de características y el Algoritmo de Optimización de Pelícano Binario para la reducción de características. Además, el artículo sugiere un nuevo modelo de clasificación mediante un Clasificador Híbrido de Enrutamiento Dinámico (ResNet + DenseNet). Para analizar el rendimiento del modelo propuesto, se utilizaron los conjuntos de datos QUWI y Khat. Los resultados demuestran que, para ambos conjuntos de datos, se alcanza una alta precisión del 98,8%, el resultado más alto entre todos los trabajos relevantes que describimos en el artículo. Esto sugiere que el sistema logra una alta precisión y ofrece una forma novedosa de mejorar la identificación de escritores mediante el uso de algoritmos de optimización y técnicas avanzadas de aprendizaje automático.

Keywords

• aprendizaje automático
• autoencoders variacionales
• BPOA
• DenseNet
• ResNet