Deep Learning vs. Traditional Approaches in Handwriting Recognition: A Comprehensive Performance Analysis
Year: 2026
Type: article
Abstract: تتناول هذه الدراسة مقارنة شاملة بين أساليب التعرف على خط اليد التقليدية وأساليب التعلم العميق الحديثة. اعتمدت الطرق التقليدية مثل نماذج ماركوف المخفية وآلات متجه الدعم وخوارزمية أقرب الجيران على استخراج خصائص يدوية، وقد حققت دقة متوسطة لكنها عانت من ضعف التعميم أمام تنوع أنماط الكتابة اليدوية. في المقابل، أتاحت الشبكات العصبية الالتفافية ونماذج المحولات استخراج الخصائص تلقائيًا وتحسين فهم السياق البصري للنصوص المكتوبة بخط اليد. تقدم الورقة نموذجًا قائمًا على الشبكات العصبية الالتفافية تم تدريبه على مجموعة بيانات كبيرة من الحروف والأرقام المكتوبة يدويًا، وحقق دقة بلغت 94.21%، متفوقًا على SVM وKNN وHMM. تؤكد النتائج أن التعلم العميق يوفر قدرة أفضل على الدقة وقابلية التوسع في أنظمة التعرف الضوئي على الحروف، مع الإشارة إلى الحاجة المستقبلية لنماذج أخف وأكثر قابلية للتفسير.
Language: Arabic
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7221271535
