基于路径签名特征、DropStroke 和深度 CNN 的字符级中文书写者识别
计算机视觉与模式识别
2015-05-20 v1
摘要
大多数现有的在线书写者识别系统要求预先提供文本内容，并依赖于分别设计的特征和分类器。识别基于文本行、整个段落或整个文档；然而，这些材料并非总是可用。在本文中，我们将路径签名特征引入到带有深度卷积神经网络（DCNN）的端到端文本无关书写者识别系统中。由于深度模型需要大量数据才能获得良好性能，我们提出了一种名为 DropStroke 的数据增强方法来丰富个人手写。实验在 CASIA-OLHWDB1.0 数据集的在线手写汉字上进行，该数据集包含来自 420 名书写者的 3,866 个类别。对于每名书写者，我们仅使用 200 个样本进行训练，其余 3,666 个用于测试。结果表明路径签名特征对书写者识别有用，并且所提出的 DropStroke 技术增强了泛化能力并显著提升了性能。
引用
@article{arxiv.1505.04922,
title = {Character-level Chinese Writer Identification using Path Signature Feature, DropStroke and Deep CNN},
author = {Weixin Yang and Lianwen Jin and Manfei Liu},
journal= {arXiv preprint arXiv:1505.04922},
year = {2015}
}
备注
5 pages, 4 figures, 2 tables. Manuscript is accepted to appear in ICDAR 2015