基于单手写单词图像的自适应深度学习笔迹识别方法

每张手写单词图像中包含两类信息：可轻易读取或直接推导的显式信息（如词汇内容或单词长度），以及隐含属性（如作者身份）。神经网络为某一任务学习的特征能否用于另一任务仍是一个开放问题。本文提出一种基于单字图像、利用多任务学习的笔迹识别深度自适应学习方法。在训练过程中加入辅助任务以促使可复用特征的出现。我们提出的方法将卷积神经网络从辅助任务（如显式内容识别）学到的特征的好处，在单一流程中迁移到笔迹识别这一主任务。具体而言，我们提出一种新的自适应卷积层来利用学到的深度特征。训练一个带有一个或多个自适应卷积层的多任务神经网络端到端进行，以针对特定主任务（即笔迹识别）挖掘鲁棒的通用特征。我们评估了对应于手写单词图像三种显式属性（词汇内容、单词长度和字符属性）的三个辅助任务。在两个基准数据集上的实验结果表明，相较于非自适应和简单线性自适应方法，所提出的深度自适应学习方法能提升基于单字图像的笔迹识别性能。