基于深度模板匹配的手写脱机汉字识别

正如其在许多计算机视觉任务中的显著成就一样，卷积神经网络（convolutional neural networks, CNN）为手写汉字识别（handwritten Chinese character recognition, HCCR）提供了端到端的解决方案并取得巨大成功。然而，在可用数据很少的情况下，学习用于图像识别的判别特征十分困难。本文中，我们提出一种学习孪生神经网络的新方法，其采用特殊结构来预测手写汉字与模板图像之间的相似度。孪生神经网络的优化可视为一个简单的二分类问题。当训练过程完成后，强大的判别特征帮助我们泛化预测能力，不仅针对新数据，也针对训练集中从未出现的全新类别。在 ICDAR-2013 脱机 HCCR 数据集上的实验表明，所提方法对训练集中从未出现的新类别具有非常有前景的泛化能力。