基于卷积神经网络与相似性排序的手写汉字识别
机器学习
2019-09-02 v1 计算机视觉与模式识别
机器学习
摘要
卷积神经网络(CNN)近期在手写汉字识别(HCCR)上取得了最先进的性能。然而,大多数 CNN 模型采用 SoftMax 激活函数并最小化交叉熵损失,这可能导致类间信息丢失。为应对该问题,我们提出将交叉熵与相似性排序函数结合并用作损失函数。实验结果表明,组合损失函数在 HCCR 中产生了更高的准确率。本报告简要回顾了交叉熵损失函数、一种典型的相似性排序函数:欧氏距离,并提出了一种新的相似性排序函数:平均方差相似性。实验比较了具有三种不同损失函数的 CNN 模型的性能。最终,SoftMax 交叉熵结合平均方差相似性在手写汉字识别上取得了最高准确率。
引用
@article{arxiv.1908.11550,
title = {Handwritten Chinese Character Recognition by Convolutional Neural Network and Similarity Ranking},
author = {Junyi Zou and Jinliang Zhang and Ludi Wang},
journal= {arXiv preprint arXiv:1908.11550},
year = {2019}
}