DeepNeutroBiLSTM: A Hybrid Neutrosophic and CNN-BiLSTM Framework with Sobel-Based Indeterminacy for Arabic Handwritten Character Recognition

Resumen Técnico: DeepNeutroBiLSTM para el Reconocimiento de Caracteres Árabes Manuscritos

Planteamiento del Problema
El Reconocimiento de Caracteres Árabes Manuscritos (AHCR, por sus siglas en inglés) sigue siendo un desafío significativo debido a la naturaleza cursiva de la escritura, la alta variabilidad en los estilos de escritura, la presencia de diacríticos y las similitudes estructurales entre caracteres. Además, los sistemas de reconocimiento suelen tener dificultades con el ruido introducido por el escaneo, la difusión de la tinta y la degradación de la imagen. Los enfoques tradicionales de aprendizaje profundo, como las Redes Neuronales Convolucionales (CNN) y las Redes Neuronales Recurrentes (RNN), suelen asumir que todos los píxeles de entrada son igualmente fiables. Esta suposición determinista no tiene en cuenta la incertidumbre en las regiones ambiguas, lo que reduce la robustez al manejar escritura degradada o variable. Si bien la teoría de conjuntos neutrosóficos ofrece un marco matemático para modelar la incertidumbre a través de los componentes de Verdad, Indeterminación y Falsedad, las aplicaciones existentes en este dominio dependen de reglas fijas diseñadas manualmente (por ejemplo, heurísticas de entropía o gradiente) para calcular la indeterminación. Estos métodos estáticos carecen de la flexibilidad para aprender representaciones de incertidumbre directamente de los datos y no pueden optimizarse conjuntamente con el objetivo de reconocimiento.

Metodología
El artículo propone DeepNeutroBiLSTM, un marco híbrido de aprendizaje profundo que integra el modelado de incertidumbre neutrosófica con una arquitectura CNN-BiLSTM. El marco opera a través de cinco etapas primarias: Preprocesamiento, Representación Neutrosófica, Extracción de Características, Clasificación y Postprocesamiento.

1. Representación Neutrosófica Aprendible (LNL): La innovación central es la Capa Neutrosófica Aprendible, que transforma una imagen de escala de grises normalizada $X$ en un triplete neutrosófico $[T, I, F]$ (Verdad, Indeterminación, Falsidad).

   • Verdad ($T$): Derivada directamente de la imagen de entrada ($T = X$).
   • Indeterminación ($I$): En lugar de utilizar heurísticas fijas, el artículo explora dos enfoques. La contribución principal es un componente de Indeterminación Aprendible computado mediante un mapeo convolucional entrenable seguido de una activación sigmoide: $I = \sigma(W_I * X + b_I)$. Esto permite que la red aprenda dónde existe la incertidumbre directamente de los datos.
   • Falsedad ($F$): Calculada como $F = \text{clip}(1 - T - I, 0, 1)$.
   • Indeterminación Basada en Sobel: Para la evaluación comparativa, el artículo también implementa una representación de indeterminación fija utilizando el operador Sobel para capturar gradientes de bordes, los cuales son críticos para distinguir caracteres árabes visualmente similares.

2. Arquitectura Híbrida:

   • Columna Vertebral CNN: La representación neutrosófica se introduce en una CNN jerárquica (tres bloques convolucionales con profundidad de canales creciente: 64, 128, 256) para extraer patrones de trazos espaciales y características estructurales.
   • Modelado Secuencial BiLSTM: Los mapas de características espaciales se reestructuran en secuencias y son procesados por una red de Memoria de Largo Corto Plazo Bidireccional (BiLSTM). Esto captura dependencias contextuales tanto en dirección directa como inversa, ayudando en la discriminación de caracteres con formas similares basándose en su contexto circundante.
   • Clasificación: La salida se pasa a través de capas totalmente conectadas y un clasificador Softmax.

3. Estrategia de Entrenamiento: El modelo se entrena de extremo a extremo utilizando una pérdida de Entropía Cruzada Categórica y el optimizador Adam. El marco fue evaluado en dos conjuntos de datos públicos: AHCD (28 caracteres) y HIJJA (29 caracteres), aplicando aumentación de datos (rotación, traslación, zoom, cizallamiento) para mejorar la generalización.

Contribuciones Clave

• Capa Neutrosófica Aprendible (LNL): El artículo introduce un mecanismo para aprender el componente de indeterminación directamente de las imágenes utilizando filtros convolucionales entrenables, alejándose de las reglas de incertidumbre estáticas y definidas manualmente.
• Integración de Indeterminación Basada en Sobel: El estudio demuestra que la integración de la información de gradiente basada en Sobel en la representación neutrosófica mejora significativamente la capacidad del modelo para distinguir los límites de los trazos en regiones ambiguas.
• Marco Híbrido Unificado: El trabajo valida una arquitectura unificada que optimiza conjuntamente el modelado de incertidumbre (Neutrosófico), la extracción de características espaciales (CNN) y el aprendizaje de contexto secuencial (BiLSTM) para el AHCR.
• Estudio de Ablación Exhaustivo: Los autores comparan sistemáticamente las CNN base, las CNN-BiLSTM, los modelos neutrosóficos fijos y los modelos híbridos propuestos para aislar el impacto del modelado de incertidumbre y el aprendizaje secuencial.

Resultos
El marco fue evaluado en los conjuntos de datos AHCD e HIJJA utilizando Exactitud, F1-score, AUC, Tasa de Exactitud de Caracteres (CAR) y Error de Calibración Esperado (ECE).

• Conjunto de Datos AHCD: El DeepNeutroBiLSTM (Sobel) propuesto logró el mayor rendimiento con una exactitud del 98.39%, un F1-score de 0.9821 y un AUC de 0.9997. Esto representa una mejora de +1.96% sobre la CNN base y una reducción de aproximadamente el 50% en el error de calibración en comparación con la base.
• Conjunto de Datos HIJJA: Dada la mayor variabilidad y ambigüedad estructural de este conjunto de datos, el modelo propuesto logró una exactitud del 92.92% y un F1-score de 0.9322. Esto supuso una mejora significativa de aproximadamente el 5.0% sobre la CNN base (87.96%).
• Análisis Comparativo: Los resultados indican que, si bien la BiLSTM por sí sola ofreció ganancias mínimas en el estructurado conjunto de datos AHCD, la combinación del modelado de incertidumbre neutrosófica y el aprendizaje secuencial proporcionó mejoras consistentes en ambos conjuntos de datos. La representación de indeterminación basada en Sobel superó tanto a los enfoques basados en entropía como a los de indeterminación puramente aprendibles en la configuración híbrida final.
• Calibración: El modelo propuesto demostró distribuciones de probabilidad bien calibradas, con valores bajos de Error de Calibración Esperado (ECE) (0.0119 para AHCD y 0.0456 para HIJJA).

Significancia y Reivindicaciones
El artículo afirma que el marco DeepNeutroBiLSTM ofrece una solución superior para el reconocimiento de caracteres árabes manuscritos al abordar explícitamente la incertidumbre inherente a los datos visuales. Al pasar de definiciones manuales y fijas de indeterminación a un enfoque basado en datos y aprendible, el modelo puede adaptarse a variaciones específicas en los estilos de escritura y niveles de ruido. Los autores sostienen que la integración de la indeterminación basada en Sobel es particularmente efectiva porque enfatiza los límites de los trazos y los cambios de gradiente local, los cuales son críticos para diferenciar caracteres árabes visualmente similares. El estudio concluye que este enfoque híbrido maneja eficazmente la variabilidad de la escritura y el ruido de la imagen, superando a las líneas base de CNN y CNN-BiLSTM de última generación. Los autores señalan que el trabajo futuro se centrará en extender este marco al reconocimiento de palabras y texto manuscrito en árabe.