基于时间丢弃微调手写识别系统
计算机视觉与模式识别
2021-02-02 v1 人工智能
机器学习
摘要
本文提出一种基于循环神经网络（RNN）微调手写识别系统的新方法。长短期记忆（LSTM）网络擅长对长序列建模，但随时间推移易于过拟合。为提升系统对序列建模的能力，我们提出在序列的随机位置丢弃信息。我们将该方法称为时间丢弃（TD）。我们也在图像层面以及内部网络表示上应用 TD。我们表明 TD 在两个不同数据集上均改善了结果。我们的方法在 Rodrigo 数据集上优于先前的最优方法。
引用
@article{arxiv.2102.00511,
title = {Fine-tuning Handwriting Recognition systems with Temporal Dropout},
author = {Edgard Chammas and Chafic Mokbel},
journal= {arXiv preprint arXiv:2102.00511},
year = {2021}
}
备注
5 pages, 6 figures, 3 tables