基于端到端深度编解码器网络的手写笔迹轨迹恢复
计算机视觉与模式识别
2018-06-05 v4
摘要
本文提出一种新技术，用于恢复离线字符的笔画轨迹，这是手写字符识别的关键步骤。通常，在线获取方式比离线方式更具优势，因为在线技术能跟踪笔的移动。因此，从离线文本中检索笔尖轨迹可缩小在线与离线方法之间的差距。我们提出的框架采用序列到序列模型，其由编解码器 LSTM 模块组成。我们的编码器模块由卷积 LSTM 网络构成，该网络将离线字符图像作为输入，并将特征序列编码为隐藏表示。编码器的输出被馈入解码器 LSTM，我们从解码器 LSTM 的每个时间步得到连续的坐标点。尽管序列到序列模型在各种计算机视觉与语言翻译任务中是流行范式，但我们工作的主要贡献在于为文档图像分析领域一个长达十年的热门问题设计了端到端网络。实验使用了 LIPI Toolkit 数据集中的泰米尔文、泰卢固文和天城文字符。我们提出的方法相较其他传统方法取得了更优性能。
引用
@article{arxiv.1801.07211,
title = {Handwriting Trajectory Recovery using End-to-End Deep Encoder-Decoder Network},
author = {Ayan Kumar Bhunia and Abir Bhowmick and Ankan Kumar Bhunia and Aishik Konwer and Prithaj Banerjee and Partha Pratim Roy and Umapada Pal},
journal= {arXiv preprint arXiv:1801.07211},
year = {2018}
}
备注
To be appeared in ICPR 2018, 2018 International Conference on Pattern Recognition, Code Link: https://drive.google.com/file/d/1clT-UuXgPp6uFn1tmIXx481qvPUcY0fV/view