基于平面曲率和梯度方向的手写体识别 MLP 基线
计算机视觉与模式识别
2025-10-27 v3 机器学习
摘要
本研究探讨了二阶几何线索——平面曲率幅值、曲率符号和梯度方向——是否足以单独驱动一个多层感知器 (MLP) 分类器进行手写字符识别 (HCR)，从而提供对卷积神经网络 (CNN) 的另一种选择。我们使用这三种手工特征图作为输入，curvature-orientation MLP 在 MNIST 手写数字上实现了97%的准确率，在 EMNIST 字母上实现了89%的准确率。这些结果凸显了基于曲率的表示对于手写字符图像的判别力，并表明即使使用可解释的手工特征，也可以实现深度学习的优势。
引用
@article{arxiv.2508.11803,
title = {An MLP Baseline for Handwriting Recognition Using Planar Curvature and Gradient Orientation},
author = {Azam Nouri},
journal= {arXiv preprint arXiv:2508.11803},
year = {2025}
}
备注
5 pages, No figure