用于离线手写汉字识别的密集 Radical 分析网络 (DenseRAN)
计算机视觉与模式识别
2018-08-14 v1
摘要
近年来，利用深度学习方法在离线手写汉字识别方面取得了巨大成功。然而，汉字主要是表意文字并由基本偏旁部首组成，以往的研究大多将每个汉字作为一个整体来处理，而没有显式地考虑其内部二维结构与偏旁部首。在本研究中，我们提出了一种具有密集连接架构的偏旁分析网络 (DenseRAN)，以同时分析汉字的偏旁及其二维结构。DenseRAN 首先采用 DenseNet 作为编码器将输入图像编码为高级视觉特征。然后采用基于循环神经网络的译码器，旨在通过注意力机制检测偏旁与二维结构来生成汉字的描述。将汉字视为二维结构与偏旁组合的方式可以减小词表规模，并使 DenseRAN 具备识别未见过的汉字类别的能力，只要相应偏旁已在训练集中出现过。在 ICDAR-2013 竞赛数据库上评估，所提方法以 18.54% 的相对字符错误率 (CER) 降幅显著优于整字建模方法。同时，对于在 CASIA-HWDB1.2 数据库中识别 3277 个未见汉字的情况，DenseRAN 可达到约 41% 的字符准确率，而传统整字方法无处理能力。
引用
@article{arxiv.1808.04134,
title = {DenseRAN for Offline Handwritten Chinese Character Recognition},
author = {Wenchao Wang and Jianshu Zhang and Jun Du and Zi-Rui Wang and Yixing Zhu},
journal= {arXiv preprint arXiv:1808.04134},
year = {2018}
}
备注
Accepted by ICFHR2018