利用多尺度融合、空间注意力与块交互技术进行文本无关笔迹识别
计算机视觉与模式识别
2021-11-23 v1
摘要
文本无关笔迹识别是一个具有挑战性的问题,其通过区分不同的书写风格来确定手写文本的作者。早期的笔迹识别依赖于手工特征来揭示写作者之间的差异。随着卷积神经网络的出现,基于深度学习的笔迹识别方法得到了发展。本文提出了三种不同的深度学习技术——空间注意力机制、多尺度特征融合和基于块的CNN,以有效捕捉每位写作者笔迹之间的差异。我们的方法基于以下假设:手写文本图像具有对写作者风格更具独特性的特定空间区域,多尺度特征传播关于各个写作者的特征,而基于块的特征提供更通用且鲁棒的表示,有助于区分不同写作者的笔迹。所提出的方法在CVL、Firemaker、CERUG-EN三个公开数据集上超越了各种最先进的词级和页级笔迹识别方法,并在IAM数据集上取得了相当的性能。
引用
@article{arxiv.2111.10605,
title = {Exploiting Multi-Scale Fusion, Spatial Attention and Patch Interaction Techniques for Text-Independent Writer Identification},
author = {Abhishek Srivastava and Sukalpa Chanda and Umapada Pal},
journal= {arXiv preprint arXiv:2111.10605},
year = {2021}
}
备注
14 pages, 4 figures