手写体识别系统的最佳实践
计算机视觉与模式识别
2024-04-18 v1
摘要
手写体识别近年来发展迅速，跟随深度学习及其应用的兴起。尽管深度学习方法在文本识别方面提供了显著的性能提升，但即使在小型预处理或结构/优化元素改变的情况下，也可以检测到非平凡的性能差异。在本工作中，我们遵循“最佳实践”理念；突出显示可以进一步帮助训练并提供高性能手写体识别系统的简单而有效的实践方法。具体而言，我们考虑了深度手写体识别系统的三个基本方面，并提出了简单而有效的解决方案：1) 在预处理步骤中保留图像的宽高比；2) 使用最大池化将CNN输出的3D特征图转换为特征序列；3) 通过额外的CTC损失作为最大池化顺序特征的捷径来辅助训练过程。在这些提出的简单修改之后，可以获得接近最新结果的性能，而无需考虑基本的卷积-循环(CNN+LSTM)架构，适用于IAM和RIMES数据集。代码可在https://github.com/georgeretsi/HTR-best-practices/获取。
引用
@article{arxiv.2404.11339,
title = {Best Practices for a Handwritten Text Recognition System},
author = {George Retsinas and Giorgos Sfikas and Basilis Gatos and Christophoros Nikou},
journal= {arXiv preprint arXiv:2404.11339},
year = {2024}
}