Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 2 февраля 2026 (v1), последний пересмотренный вариант 8 сентября 2026 года (эта версия, v2)) Заголовок: Свободное онлайновое признание символов с использованием линейных периодических единиц Вид PDF HTML (экспериментальное) Резюме: Онлайновое манипулирование распознавания персонажей обеспечивает порядок инсультации и динамических характеристик, которые в целом обеспечивают более высокую точность и надежность по сравнению с офлайновым признанием. Однако в практическом применении деформации, связанные с вращанием, могут нарушать пространственное расположение инсультов, что существенно снижает точность распознавания. Таким образом, добыча несменяемых элементов вращения остается трудной и открытой проблемой. В этой работе мы используем Sliding Window Path Подпись (SW-PS) для улавливания местных структурных особенностей символов и введения легких линейных периодических единиц (LRU) в качестве каталога. ЛРУ сочетает возможности быстрой постепенной обработки периодически возникающих нейронных сетей (RNN) с эффективной параллельной подготовкой моделей космического пространства штатов (SSM), а также надежно моделируя динамические характеристики инсульта. Мы провели эксперименты по распознаванию с случайным углом вращения до $pm 180 {circ} долларов на трех подмножествах набора данных CASIA-OLHWDB.1.1: цифры, верхние буквы английского языка и китайский радикал. Точность, достигнутая после ансамбля,…
Невращение без онлайн-выдачи распознавания символов с использованием линейных периодических единиц
arXiv: 2602.01533v2 Annuales Type: заменить резюме: онлайновое распознавание персонажей дает рычаги инсульта и динамические характеристики, которые в целом обеспечивают более высокую точность и надежность по сравнению с офлайновым признанием. Однако в практическом применении деформации, связанные с вращанием, могут нарушать пространственное расположение инсультов, что существенно снижает точность распознавания. Таким образом, добыча несменяемых элементов вращения остается трудной и открытой проблемой. В этой работе мы используем Sliding Window Path Подпись (SW-PS) для улавливания местных структурных особенностей символов и введения легких линейных периодических единиц (LRU) в качестве каталога. ЛРУ сочетает возможности быстрой постепенной обработки периодически возникающих нейронных сетей (RNN) с эффективной параллельной подготовкой моделей космического пространства штатов (SSM), а также надежно моделируя динамические характеристики инсульта. Мы провели эксперименты по распознаванию с случайным углом вращения до $pm 180 {\cHWDB1} долларов на трех подмножествах CASIA-OLHWB1.