用于手写中文文本识别的全卷积循环网络
计算机视觉与模式识别
2016-04-19 v1
摘要
本文提出一种端到端框架，即用于手写中文文本识别（HCTR）的全卷积循环网络（FCRN）。与严重依赖分割的传统方法不同，我们的 FCRN 直接使用在线文本数据进行训练，并学习将笔尖轨迹与字符序列相关联。FCRN 由四部分组成：从输入笔尖轨迹提取签名特征的路径签名层、学习信息性表示的全卷积网络、对输入序列进行逐帧预测的序列建模层，以及将预测转换为标签序列的转录层。与组件分别训练和调优的传统方法相比，FCRN 是端到端可训练的。我们还提出了一种改进的集束搜索方法，其高效整合语言模型来解码 FCRN 并显著改善识别结果。我们在数据库 CASIA-OLHWDB 和 ICDAR 2013 中文手写识别竞赛的测试集上评估所提方法的性能，两者分别以 96.40% 和 95.00% 的正确率达到了最先进性能。
引用
@article{arxiv.1604.04953,
title = {Fully Convolutional Recurrent Network for Handwritten Chinese Text Recognition},
author = {Zecheng Xie and Zenghui Sun and Lianwen Jin and Ziyong Feng and Shuye Zhang},
journal= {arXiv preprint arXiv:1604.04953},
year = {2016}
}
备注
6 pages, 3 figures, 5 tables