结合残差网络与 RNN-CTC 的手写数字串识别
计算机视觉与模式识别
2017-10-10 v1
摘要
循环神经网络（RNN）和联结时序分类（CTC）凭借其处理输入与目标标签之间对齐未知问题的强大能力，已在众多序列标注任务中取得成功。残差网络是卷积神经网络的一种新结构，在各类计算机视觉任务中表现优异。本文利用上述架构创建了一个用于手写数字串识别的新网络。首先设计一个残差网络从输入图像中提取特征，然后使用 RNN 对特征序列中的上下文信息进行建模并预测识别结果。在该网络顶层，应用标准 CTC 计算损失并产生最终结果。这三部分构成了一个端到端可训练的网络。所提出的新架构在 ORAND-CAR-A 和 ORAND-CAR-B 数据集上分别取得了 89.75% 和 91.14% 的最高识别率。此外，在一个字符串长度更长的生成式验证码数据集上的实验表明，该网络具有处理长字符串的潜力。
引用
@article{arxiv.1710.03112,
title = {Handwritten digit string recognition by combination of residual network and RNN-CTC},
author = {Hongjian Zhan and Qingqing Wang and Yue Lu},
journal= {arXiv preprint arXiv:1710.03112},
year = {2017}
}