字符即图：通过空间图卷积网络识别在线手写汉字
计算机视觉与模式识别
2020-04-21 v1
摘要
汉语是世界上使用最广泛的语言之一，然而在线手写汉字识别（OLHCCR）仍具挑战性。为识别汉字，一种流行选择是在提取的特征图像上采用二维卷积神经网络（2D-CNN），另一种是在时间序列特征上采用循环神经网络（RNN）或一维 CNN。不同于将字符视为静态图像或时间轨迹，本文提出将字符表示为几何图，同时保留空间结构与时间顺序。相应地，我们首次提出一种新颖的空间图卷积网络（SGCN）来有效分类这些字符图。具体而言，我们的 SGCN 通过空间图卷积融入局部邻域信息，并借助层次化残差结构进一步学习全局形状属性。在 IAHCC-UCAS2016、ICDAR-2013 与 UNIPEN 数据集上的实验表明，SGCN 能在字符识别上取得与当前最优（SOTA）方法可比的识别性能。
引用
@article{arxiv.2004.09412,
title = {Characters as Graphs: Recognizing Online Handwritten Chinese Characters via Spatial Graph Convolutional Network},
author = {Ji Gan and Weiqiang Wang and Ke Lu},
journal= {arXiv preprint arXiv:2004.09412},
year = {2020}
}
备注
8 pages, 4 figures. A full version of this paper has been submitted to an international journal