Deep Learning Algorithms for Arabic Optical Character Recognition: A Survey خوارزميات التعلم العميق للتعرف البصري على الأحرف العربية: استبيان Algorithmes d'apprentissage profond pour la reconnaissance optique de caractères en arabe : une enquête Algoritmos de aprendizaje profundo para el reconocimiento de caracteres ópticos árabes: una encuesta

In recent years, deep learning has begun to supplant traditional machine learning algorithms in a variety of fields, including machine translation (MT), pattern recognition (PR), natural language processing (NLP), speech recognition (SR), and computer vision. Systems for optical character recognition (OCR) have recently been developed using deep learning techniques with great success. Within the area of pattern recognition and computer vision, the procedure of handwritten character recognition is still considered to be one of the most challenging. The height, orientation, and width of the handwritten characters do not always correspond with one another because different people use different writing instruments and have their own unique writing styles. This makes the job of handwritten recognition challenging and difficult. The regional languages of Arabic and Urdu have received less research. In this article, a summary and comparison of the most significant techniques of deep learning that are used in the recognition of Arabic-adapted scripts like Arabic and Urdu have been provided. في السنوات الأخيرة، بدأ التعلم العميق يحل محل خوارزميات التعلم الآلي التقليدية في مجموعة متنوعة من المجالات، بما في ذلك الترجمة الآلية (MT)، والتعرف على الأنماط (PR)، ومعالجة اللغة الطبيعية (NLP)، والتعرف على الكلام (SR)، ورؤية الكمبيوتر. تم مؤخرًا تطوير أنظمة التعرف الضوئي على الأحرف (OCR) باستخدام تقنيات التعلم العميق بنجاح كبير. في مجال التعرف على الأنماط ورؤية الكمبيوتر، لا يزال إجراء التعرف على الأحرف المكتوب بخط اليد يعتبر واحدًا من أكثر الإجراءات صعوبة. لا يتوافق ارتفاع الأحرف المكتوبة بخط اليد واتجاهها وعرضها دائمًا مع بعضها البعض لأن الأشخاص المختلفين يستخدمون أدوات كتابة مختلفة ولديهم أساليب كتابة فريدة خاصة بهم. وهذا يجعل مهمة التعرف المكتوب بخط اليد صعبة وصعبة. تلقت اللغتان الإقليميتان العربية والأردية أبحاثًا أقل. في هذه المقالة، تم تقديم ملخص ومقارنة لأهم تقنيات التعلم العميق المستخدمة في التعرف على النصوص المعدلة باللغة العربية مثل العربية والأردية. Ces dernières années, l'apprentissage profond a commencé à supplanter les algorithmes traditionnels d'apprentissage automatique dans divers domaines, notamment la traduction automatique (MT), la reconnaissance des formes (PR), le traitement du langage naturel (NLP), la reconnaissance vocale (SR) et la vision par ordinateur. Des systèmes de reconnaissance optique de caractères (OCR) ont récemment été développés en utilisant des techniques d'apprentissage profond avec un grand succès. Dans le domaine de la reconnaissance des formes et de la vision par ordinateur, la procédure de reconnaissance manuscrite des caractères est toujours considérée comme l'une des plus difficiles. La hauteur, l'orientation et la largeur des caractères manuscrits ne correspondent pas toujours les unes aux autres, car différentes personnes utilisent des instruments d'écriture différents et ont leurs propres styles d'écriture. Cela rend le travail de reconnaissance manuscrite difficile et difficile. Les langues régionales de l'arabe et de l'ourdou ont fait l'objet de moins de recherches. Dans cet article, un résumé et une comparaison des techniques d'apprentissage profond les plus importantes utilisées dans la reconnaissance des scripts adaptés à l'arabe comme l'arabe et l'ourdou ont été fournis. En los últimos años, el aprendizaje profundo ha comenzado a suplantar a los algoritmos tradicionales de aprendizaje automático en una variedad de campos, como la traducción automática (TA), el reconocimiento de patrones (RP), el procesamiento del lenguaje natural (PNL), el reconocimiento de voz (SR) y la visión artificial. Los sistemas para el reconocimiento óptico de caracteres (OCR) se han desarrollado recientemente utilizando técnicas de aprendizaje profundo con gran éxito. Dentro del área de reconocimiento de patrones y visión artificial, el procedimiento de reconocimiento de caracteres escritos a mano todavía se considera uno de los más desafiantes. La altura, la orientación y el ancho de los caracteres escritos a mano no siempre se corresponden entre sí porque diferentes personas usan diferentes instrumentos de escritura y tienen sus propios estilos de escritura únicos. Esto hace que el trabajo de reconocimiento escrito a mano sea desafiante y difícil. Las lenguas regionales del árabe y el urdu han recibido menos investigación. En este artículo, se ha proporcionado un resumen y comparación de las técnicas más significativas de aprendizaje profundo que se utilizan en el reconocimiento de guiones adaptados al árabe como el árabe y el urdu.