Fonts-2-Handwriting：一种用于通用数字分类的种子-增强-训练框架
计算机视觉与模式识别
2019-05-22 v1 计算与语言
摘要
在本文中，我们提出一种种子-增强-训练/迁移（SAT）框架，其包含利用免费开放字体文件数据集为具有不同数字系统的语言生成合成种子图像数据集的流程。该图像种子数据集随后被增强以创建纯合成训练数据集，进而用于训练深度神经网络，并在涵盖五种印度文字（卡纳达文、泰米尔文、古吉拉特文、马拉雅拉姆文和天城文）的留出真实手写数字数据集上测试。我们通过定性方式（训练一个在这五种语言中生成逼真数字图像的 Boundary-seeking GAN（BGAN））与定量方式（在真实世界数据集上测试基于合成数据训练的 CNN）展示该方法的有效性。这不仅建立了字体数据集世界与迁移学习之间有趣的联结，也为任意文字的通用数字分类提供了方案。
引用
@article{arxiv.1905.08633,
title = {Fonts-2-Handwriting: A Seed-Augment-Train framework for universal digit classification},
author = {Vinay Uday Prabhu and Sanghyun Han and Dian Ang Yap and Mihail Douhaniaris and Preethi Seshadri and John Whaley},
journal= {arXiv preprint arXiv:1905.08633},
year = {2019}
}
备注
Published as a workshop paper at ICLR 2019 (DeepGenStruct-2019)