Xây dựng hệ thống nhận dạng chữ viết tay tiếng việt

Abstract

Hiện tại, độ chính xác của việc nhận dạng văn bản từ chữ viết tay hiện nay chưa đạt mức cao (80-90%) chủ yếu do tính đa dạng trong cách viết và chất lượng của văn bản scan. Với những ngôn ngữ phổ biến khác có nhiều dữ liệu, nhận dạng chữ viết tay có thể chính xác hơn. Tuy nhiên, đối với tiếng Việt, bài toán này vẫn đối mặt với nhiều thách thức, bao gồm đặc điểm của ngôn ngữ, hạn chế về dữ liệu và sự thiếu quan tâm từ cộng đồng nghiên cứu. Một số phương pháp phổ biến trong bài toán bao gồm phân lớp SVM, kỹ thuật phân cụm K-means, mô hình Hidden Markov (HMM) và mạng nơ-ron tích chập (CNN). CNN đã chứng minh hiệu suất cao trong nhận dạng chữ viết tay, bằng cách học các đặc trưng cấp cao từ dữ liệu và tự động phân loại chữ viết. Để giải quyết bài toán nhận dạng chữ viết tay tiếng Việt trên sổ đỏ, tác giả đề xuất sử dụng Convolutional Recurrent Neural Network (CRNN), bao gồm Convolutional Neural Network (CNN) và Long Short Term Memory (LSTM). CRNN có thể được huấn luyện trên các tập dữ liệu lớn và đa dạng để nhận dạng chữ viết tay tiếng Việt trong thời gian thực.