基于 Sobel 梯度的手写字符识别 MLP 基线
计算机视觉与模式识别
2025-08-29 v3 机器学习
摘要
我们重新审视经典的 Sobel 算子，提出一个简单问题：一阶边缘图是否足以驱动一个全密集型多层感知器(MLP)进行手写字符识别(HCR)，作为卷积神经网络(CNN)的替代方案？我们仅使用水平和垂直 Sobel 导数作为输入，在 MNIST 和 EMNIST Letters 上训练一个 MLP。尽管该网络极其简单，却在 MNIST 数据集上达到了 98% 的准确率，在 EMNIST 字母上达到了 92% 的准确率——接近 CNN 的性能，同时具有更小的内存占用和透明的特征。我们的发现表明，手写字符图像中相当比例的判别性信息已经被一阶梯度捕获，使得基于边缘感知的 MLP 成为 HCR 具有竞争力的选项。
引用
@article{arxiv.2508.11902,
title = {A Sobel-Gradient MLP Baseline for Handwritten Character Recognition},
author = {Azam Nouri},
journal= {arXiv preprint arXiv:2508.11902},
year = {2025}
}