DeepWriter：用于文本无关笔迹鉴定的多流深度 CNN
计算机视觉与模式识别
2016-08-04 v2
摘要
由于书写内容差异巨大且不同书写者的书写风格存在歧义，文本无关的笔迹鉴定极具挑战性。本文提出 DeepWriter，一种深度多流 CNN，用于学习识别书写者的强大深度表示。DeepWriter 以局部手写笔迹图像块作为输入，并使用 softmax 分类损失进行训练。主要贡献为：1) 我们针对笔迹鉴定任务设计并优化了多流结构；2) 我们引入数据增强学习以提升 DeepWriter 的性能；3) 我们引入图像块扫描策略以处理不同长度的文本图像。此外，我们发现不同语言（如英文和中文）可能共享笔迹鉴定的共同特征，联合训练可产生更好的性能。在 IAM 和 HWDB 数据集上的实验结果表明，我们的模型实现了高鉴定准确率：输入一句英文时在 301 名书写者上达到 99.01%，在 657 名书写者上达到 97.03%；输入一个汉字时在 300 名书写者上达到 93.85%，以大幅优势超越了以往方法。此外，仅输入 4 个英文字母时，我们的模型在 301 名书写者上获得了 98.01% 的准确率。
引用
@article{arxiv.1606.06472,
title = {DeepWriter: A Multi-Stream Deep CNN for Text-independent Writer Identification},
author = {Linjie Xing and Yu Qiao},
journal= {arXiv preprint arXiv:1606.06472},
year = {2016}
}
备注
This article will be presented at ICFHR 2016