DeepWriterID：一种端到端的在线文本无关书写者识别系统
计算机视觉与模式识别
2015-12-23 v2 机器学习
机器学习
摘要
由于触摸屏移动终端和基于笔的接口的快速增长，基于手写的书写者识别系统因个人认证、数字取证及其他应用而受到越来越多的关注。然而，由于数据不足以及在不同手写条件下设计良好特征的困难，大多数书写者识别研究尚不令人满意。因此，我们引入了一个端到端系统，即DeepWriterID，采用深度卷积神经网络（CNN）来解决这些问题。DeepWriterID的一个关键特征是我们提出的一种新方法，称为DropSegment。它旨在实现数据增强并提升CNN的泛化适用性。为了充分的特征表示，我们进一步引入路径签名特征图以提升性能。实验在NLPR手写数据库上进行。尽管我们仅使用了给定手写样本在落笔状态下的笔位置信息，我们仍取得了中文文本95.72%和英文文本98.51%的最新最优识别率。
引用
@article{arxiv.1508.04945,
title = {DeepWriterID: An End-to-end Online Text-independent Writer Identification System},
author = {Weixin Yang and Lianwen Jin and Manfei Liu},
journal= {arXiv preprint arXiv:1508.04945},
year = {2015}
}
备注
7 pages5 6 figures