بسبب ندرة الخصائص، أثبت الضوضاء أنه عائق كبير في تصنيف الحروف المكتوبة بخط اليد. لمواجهة هذا التحدي، تقوم معظم التقنيات بإزالة الضوضاء من البيانات قبل تصنيفها. في هذه الورقة البحثية، نعزز النهج من خلال تدريب نموذج شامل قادر على تصنيف الحروف حتى وإن كانت مصحوبة بالضوضاء. بالنسبة للتصنيف، نقوم بتدريب شبكة تمييز توليدية متنافسة (Generative Adversarial Network) بشكل تدريجي على الحروف بدقة منخفضة إلى عالية. نوضح أن عن طريق تعلم الخصائص في كل دقة بشكل مستقل، يكون النموذج المدرب قادراً على تصنيف الحروف بدقة حتى في وجود الضوضاء. نثبت فعالية نهجنا تجريبياً من خلال تصنيف إصدارات ضوضائية لمجموعات بيانات MNIST والحروف العددية البنغالية والحروف الأساسية.