💻 computer science

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

Questo articolo propone DeepNeutroBiLSTM, un nuovo framework ibrido che integra la modellazione dell'incertezza neutrosofica con l'indeterminazione basata su Sobel, CNN e BiLSTM per raggiungere un'accuratezza e una robustezza allo stato dell'arte nel riconoscimento di caratteri arabi scritti a mano sui dataset AHCD e HIJJA.

Autori originali: Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui

Pubblicato 2026-06-26

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di insegnare a un computer a leggere le lettere arabe scritte a mano. Questo è un lavoro complicato perché l'arabo è scritto in uno stile corsivo e fluido, e le persone scrivono in modi molto diversi l'una dall'altra. Alcune lettere sembrano quasi identiche, e a volte l'inchiostro si espande o lo scanner rende l'immagine sfocata. Per un computer, una lettera sfocata o disordinata è come un puzzle con pezzi mancanti.

Questo articolo presenta un nuovo programma per computer chiamato DeepNeutroBiLSTM per risolvere questo puzzle. Ecco come funziona, suddiviso in concetti semplici:

1. Il Problema: "Tutto Sembra Uguale"

La maggior parte dei programmi per computer che leggono la grafia tratta ogni singolo punto di inchiostro sulla pagina come ugualmente importante. Assumono che l'immagine sia perfetta. Ma nella realtà, la scrittura a mano è disordinata.

L'Analogia: Immagina di cercare di leggere un appunto scritto a mano dove qualcuno ha versato del caffè sopra. Un computer standard cerca di leggere la macchia di caffè come se fosse parte della lettera. Si confonde perché non sa distinguere tra una vera lettera e una semplice macchia disordinata.

2. La Soluzione: Gli "Occhiali a Tre Strati" (Rappresentazione Neutrosophica)

Gli autori hanno creato un modo speciale per far guardare l'immagine al computer, ispirandosi a un'idea matematica chiamata Neutrosophia. Invece di vedere solo il "Nero" (la lettera) o il "Bianco" (lo sfondo), il computer indossa un paio di "Occhiali a Tre Strati" che divide ogni parte dell'immagine in tre categorie:

Verità: "Questa parte è sicuramente parte della lettera."
Falsità: "Questa parte è sicuramente sfondo/rumore."
Indeterminazione: "Non sono sicuro. Questo sembra una macchia, una sfocatura o un tratto strano. Devo fare attenzione qui."

Il Tocco Creativo: Nei sistemi più vecchi, il computer doveva indovinare cosa fosse "incerto" usando una regola fissa (come una formula preimpostata). In questo nuovo sistema, il computer impara cosa è incerto. È come dare al computer uno studente che impara dall'esperienza: "Oh, vedo che questo specifico tipo di sfocatura accade di solito con questa lettera, quindi lo segnalerò come 'incerto' la prossima volta."

3. Il Detective "Sobel"

Per aiutare il computer a trovare quelle aree incerte, hanno utilizzato uno strumento chiamato Operatore Sobel.

L'Analogia: Pensa all'operatore Sobel come a un detective con una lente d'ingrandimento che guarda solo i bordi. Evidenzia le linee nette dove una lettera inizia e finisce. Poiché le lettere arabe sono definite dai loro tratti e dalle loro curve, questo strumento aiuta il computer a distinguere tra un vero bordo della lettera e una macchia d'inchiostro casuale. Dice al computer: "Presta particolare attenzione a questi confini perché è qui che di solito avviene la confusione."

4. Il Lavoro di Squadra: L' "Architetto" e il "Narratore"

Il sistema combina due potenti tipi di intelligenza artificiale per svolgere il lavoro pesante:

L'Architetto (CNN): Questa parte osserva l'immagine e identifica forme, linee e curve. Costruisce una mappa mentale di come appare la lettera.
Il Narratore (BiLSTM): L'arabo è scritto in un flusso. La forma di una lettera spesso dipende dalle lettere che la precedono e la seguono. Il Narratore osserva la sequenza di forme e ne comprende il contesto. Sa che: "Se vedo questa forma dopo quella forma, deve essere questa specifica lettera, anche se sembrano simili."

Combinando gli "Occhiali a Tre Strati" (per gestire la disordine), il "Detective" (per trovare i bordi), l' "Architetto" (per vedere le forme) e il "Narratore" (per capire il flusso), il sistema diventa molto intelligente nel leggere la grafia disordinata.

5. I Risultati: Quanto ha Funzionato?

I ricercatori hanno testato il loro nuovo sistema su due famose collezioni di lettere arabe scritte a mano (chiamate AHCD e HIJJA).

Sul Test "Più Facile" (AHCD): Il nuovo sistema ha ottenuto il 98,39% di correttezza. Questo è un enorme miglioramento rispetto ai metodi precedenti, che faticavano con le parti disordinate dell'immagine.
Sul Test "Più Difficile" (HIJJA): Questo test presentava molta più variazione negli stili di scrittura. Il nuovo sistema è riuscito comunque a ottenere il 92,92% di correttezza, superando tutti gli altri modelli con cui è stato confrontato.

Il Punto Fondamentale

L'articolo sostiene che, insegnando al computer a riconoscere esplicitamente e gestire l' "incertezza" (le parti sfocate e disordinate della grafia) invece di ignorarle, sia in grado di leggere la scrittura a mano araba con molta più precisione. È come insegnare a un lettore non solo a leggere le parole, ma anche a capire quando l'inchiostro è macchiato e a usare il contesto per capire quale parola dovrebbe essere.

Ciò che l'articolo NON afferma:

Non afferma che questo funzioni per leggere intere frasi o paragrafi (si concentra sui singoli caratteri).
Non afferma che sia pronto per la diagnosi medica o altre applicazioni specifiche del mondo reale; è una prova di concetto per il riconoscimento dei caratteri.
Non afferma di essere più veloce di tutti gli altri metodi (anzi, richiede un po' più di tempo per l'elaborazione perché esegue un'analisi più complessa).

Sintesi Tecnica: DeepNeutroBiLSTM per il Riconoscimento di Caratteri Arabi Scritti a Mano

Definizione del Problema
Il riconoscimento di caratteri arabi scritti a mano (AHCR - Arabic Handwritten Character Recognition) rimane una sfida significativa a causa della natura corsiva della scrittura, l'elevata variabilità degli stili di scrittura, la presenza di diacritici e le somiglianze strutturali tra i caratteri. Inoltre, i sistemi di riconoscimento spesso faticano a gestire il rumore introdotto dalla scansione, dalla diffusione dell'inchiostro e dal degrado dell'immagine. Gli approcci tradizionali di deep learning, come le Reti Neurali Convoluzionali (CNN) e le Reti Neurali Ricorrenti (RNN), tipicamente assumono che tutti i pixel di input siano ugualmente affidabili. Questa assunzione deterministica non tiene conto dell'incertezza nelle regioni ambigue, portando a una ridotta robustezza nel gestire una scrittura variabile o degradata. Sebbene la teoria degli insiemi neutrosofici offra un quadro matematico per modellare l'incertezza attraverso le componenti di Verità, Indeterminatezza e Falsità, le applicazioni esistenti in questo dominio si affidano a regole fisse progettate manualmente (ad esempio, euristiche di entropia o gradiente) per calcolare l'indeterminatezza. Questi metodi statici mancano della flessibilità necessaria per apprendere le rappresentazioni dell'incertezza direttamente dai dati e non possono essere ottimizzati congiuntamente rispetto all'obiettivo di riconoscimento.

Metodologia
Il documento propone DeepNeutroBiLSTM, un framework ibrido di deep learning che integra la modellazione dell'incertezza neutrosofica con un'architettura CNN-BiLSTM. Il framework opera attraverso cinque fasi primarie: Pre-elaborazione, Rappresentazione Neutrosofica, Estrazione delle Caratteristiche, Classificazione e Post-elaborazione.

Rappresentazione Neutrosofica Apprendibile (LNL): L'innovazione principale è lo Strato Neutrosofico Apprendibile (Learnable Neutrosophic Layer), che trasforma un'immagine di input in scala di grigi normalizzata $X$ in una terna neutrosofica $[T, I, F]$ (Verità, Indeterminatezza, Falsità).
- Verità ( $T$ ): Derivata direttamente dall'immagine di input ( $T = X$ ).
- Indeterminatezza ( $I$ ): Invece di utilizzare euristiche fisse, il documento esplora due approcci. Il contributo principale è una componente di Indeterminatezza Apprendibile calcolata tramite una mappatura convoluzionale addestrabile seguita da un'attivazione sigmoidale: $I = \sigma(W_I * X + b_I)$ . Ciò consente alla rete di apprendere direttamente dai dati dove risiede l'incertezza.
- Falsità ( $F$ ): Calcolata come $F = \text{clip}(1 - T - I, 0, 1)$ .
- Indeterminatezza basata su Sobel: Per la valutazione comparativa, il documento implementa anche una rappresentazione dell'indeterminatezza fissa utilizzando l'operatore Sobel per catturare i gradienti dei bordi, che sono critici per distinguere caratteri arabi visivamente simili.
Architettura Ibrida:
- Backbone CNN: La rappresentazione neutrosofica viene alimentata in una CNN gerarchica (tre blocchi convoluzionali con profondità dei canali crescente: 64, 128, 256) per estrarre i pattern spaziali dei tratti e le caratteristiche strutturali.
- Modellazione Sequenziale BiLSTM: Le mappe delle caratteristiche spaziali vengono rimodellate in sequenze ed elaborate da una rete Bidirectional Long Short-Term Memory (BiLSTM). Questa cattura le dipendenze contestuali sia in direzione diretta che inversa, aiutando nella discriminazione dei caratteri con forme simili in base al loro contesto circostante.
- Classificazione: L'output viene passato attraverso strati completamente connessi e un classificatore Softmax.
Strategia di Addestramento: Il modello è addestrato end-to-end utilizzando la perdita di Cross-Entropy Categoriale e l'ottimizzatore Adam. Il framework è stato valutato su due dataset pubblici: AHCD (28 caratteri) e HIJJA (29 caratteri), con applicazione di data augmentation (rotazione, traslazione, zoom, shearing) per migliorare la generalizzazione.

Contributi Chiave

Strato Neutrosofico Apprendibile (LNL): Il documento introduce un meccanismo per apprendere la componente di indeterminatezza direttamente dalle immagini utilizzando filtri convoluzionali addestrabili, allontanandosi dalle regole di indeterminatezza statiche e definite manualmente.
Integrazione dell'Indeterminatezza basata su Sobel: Lo studio dimostra che l'integrazione delle informazioni sul gradiente basate su Sobel nella rappresentazione neutrosofica migliora significativamente la capacità del modello di distinguere i confini dei tratti in regioni ambigue.
Framework Ibrido Unificato: Il lavoro valida un'architettura unificata che ottimizza congiuntamente la modellazione dell'incertezza (Neutrosofica), l'estrazione delle caratteristiche spaziali (CNN) e l'apprendimento del contesto sequenziale (BiLSTM) per l'AHCR.
Studio di Ablazione Completo: Gli autori confrontano sistematicamente le CNN baseline, le CNN-BiLSTM, i modelli neutrosofici fissi e i modelli ibridi proposti per isolare l'impatto della modellazione dell'incertezza e dell'apprendimento sequenziale.

Risultati
Il framework è stato valutato sui dataset AHCD e HIJJA utilizzando Accuratezza, F1-score, AUC, Tasso di Accuratezza dei Caratteri (CAR) ed Errore di Calibrazione Atteso (ECE).

Dataset AHCD: Il modello proposto DeepNeutroBiLSTM (Sobel) ha raggiunto le prestazioni più elevate con un'accuratezza del 98,39%, un F1-score di 0,9821 e un AUC di 0,9997. Ciò rappresenta un miglioramento del +1,96% rispetto alla CNN baseline e una riduzione di circa il 50% dell'errore di calibrazione rispetto alla baseline.
Dataset HIJJA: Data la maggiore variabilità e l'ambiguità strutturale di questo dataset, il modello proposto ha raggiunto un'accuratezza del 92,92% e un F1-score di 0,9322. Si è trattato di un miglioramento significativo di circa il 5,0% rispetto alla CNN baseline (87,96%).
Analisi Comparativa: I risultati indicano che, mentre la sola BiLSTM ha offerto guadagni minimi sul dataset strutturato AHCD, la combinazione della modellazione dell'incertezza neutrosofica e dell'apprendimento sequenziale ha fornito miglioramenti costanti in entrambi i dataset. La rappresentazione dell'indeterminatezza basata su Sobel ha superato sia l'approccio basato sull'entropia che quello basato solo sull'apprendimento dell'indeterminatezza nella configurazione ibrida finale.
Calibrazione: Il modello proposto ha dimostrato distribuzioni di probabilità ben calibrate, con bassi valori di Errore di Calibrazione Atteso (ECE) (0,0119 per AHCD e 0,0456 per HIJJA).

Significatività e Rivendicazioni
Il documento sostiene che il framework DeepNeutroBiLSTM offra una soluzione superiore per il riconoscimento di caratteri arabi scritti a mano affrontando esplicitamente l'incertezza inerente ai dati visivi. Passando da definizioni manuali e fisse di indeterminatezza a un approccio guidato dai dati e apprendibile, il modello può adattarsi a specifiche variazioni negli stili di scrittura e nei livelli di rumore. Gli autori affermano che l'integrazione dell'indeterminatezza basata su Sobel è particolarmente efficace perché enfatizza i confini dei tratti e i cambiamenti locali del gradiente, che sono critici per differenziare caratteri arabi visivamente simili. Lo studio conclude che questo approccio ibrido gestisce efficacemente la variabilità della scrittura e il rumore dell'immagine, superando le baseline CNN e CNN-BiLSTM allo stato dell'arte. Gli autori osservano che il lavoro futuro si concentrerà sull'estensione di questo framework al riconoscimento di parole e testi scritti a mano in arabo.