一种改进卷积神经网络的阿拉伯文字图像识别方法

传统阿拉伯文字研究主要集中于字形释义、文化传承和艺术探究领域,缺乏利用深度学习技术对文字的识别,并且由于古文字的字形变化、数字化读取困难,传统方法识别的准确率较低。针对上述问题,提出了一种改进卷积神经网络的阿拉伯文字图像识别方法。首先采集阿拉伯文字图像数据集,对其进行数值特征转换、图像标准化等预处理操作;接着构建融合注意力机制和四层卷积神经网络的模型,提取具有代表性的局部特征;最后通过全连接层并调用Softmax分类器实现阿拉伯文字图像分类,完成图像识别任务。实验结果表明,提出的方法在准确率、精确率、召回率和F1值上均有所提升,其值分别是0.9657、0.9662、0.9658和0.9660,该结果优于传统卷积神经网络和机器学习方法,并通过详细的图像分类实验有效识别出28种类别的阿拉伯文字,为少数民族文字自动化和智能化提取及识别研究提供有效支撑。