使用 LSTM 集群的手写识别及超大词典的词典验证
计算机视觉与模式识别
2017-09-26 v4
摘要
最先进的手写识别方法基于长短期记忆（Long Short Term Memory, LSTM）递归神经网络（RNN），该方法目前已提供非常出色的字符识别性能。字符识别通常与集成字典的词典驱动解码过程相结合。遗憾的是，即使是最好的系统，其字典也仅限于数十万词，这阻碍了获得良好的语言覆盖，从而限制了全局识别性能。在本文中，我们提出了一种替代词典驱动解码过程的方法，该方法基于词典验证过程，并与一种新颖的级联架构相结合。该级联由从单次训练中提取的大量互补网络（称为集群）构成，使得学习过程非常轻量。所提出的方法在 Rimes 和 IAM 数据库上实现了新的最先进的词识别性能。在处理包含 300 万词的巨型词典时，该方法在快速决策阶段也展现出令人满意的性能。
引用
@article{arxiv.1612.07528,
title = {Handwriting recognition using Cohort of LSTM and lexicon verification with extremely large lexicon},
author = {Bruno Stuner and Clément Chatelain and Thierry Paquet},
journal= {arXiv preprint arXiv:1612.07528},
year = {2017}
}
备注
31 pages, paper submitted to Pattern Recognition