基于词典与深度可分离卷积的手写文本识别系统
计算机视觉与模式识别
2022-07-12 v1
摘要
草写手写文本识别是模式识别领域中一项具有挑战性的研究问题。当前最先进的方法包括基于卷积循环神经网络和多维长短期记忆循环神经网络技术的模型。这些方法在计算上高度密集，且模型在设计层面复杂。在近期研究中，基于卷积神经网络与门控卷积神经网络的模型相比基于卷积循环神经网络的模型展现出更少的参数量。为减少待训练的总参数量，本工作以深度可分离卷积替代标准卷积，并结合门控卷积神经网络与双向门控循环单元，以减少待训练的总参数量。此外，我们在测试阶段还引入了基于词典的词束搜索解码器，这也有助于提升模型的整体准确率。我们在 IAM 数据集上分别取得了 3.84% 的字符错误率和 9.40% 的词错误率；在 George Washington 数据集上取得了 4.88% 的字符错误率和 14.56% 的词错误率。
引用
@article{arxiv.2207.04651,
title = {A Lexicon and Depth-wise Separable Convolution Based Handwritten Text Recognition System},
author = {Lalita Kumari and Sukhdeep Singh and VVS Rathore and Anuj Sharma},
journal= {arXiv preprint arXiv:2207.04651},
year = {2022}
}