PCGAN-CHAR : Réseaux de neurones génératifs adverses entraînés progressivement pour la classification de caractères bengalis manuscrits bruités

En raison de la rareté des caractéristiques, le bruit s'est avéré être un inhibiteur majeur dans la classification des caractères manuscrits. Pour lutter contre ce problème, la plupart des techniques effectuent un débruitage des données avant la classification. Dans cet article, nous consolidons cette approche en formant un modèle intégré capable de classifier même les caractères bruités. Pour la classification, nous entraînons progressivement un réseau de neurones génératif adversarial (GAN) sur les caractères de basse à haute résolution. Nous montrons que par l'apprentissage indépendant des caractéristiques à chaque résolution, un modèle formé est capable de classer avec précision les caractères même en présence de bruit. Nous démontrons expérimentalement l'efficacité de notre approche en classifiant des versions bruitées des ensembles de données MNIST, Bangla Numeral et Basic Character.