基于胶囊网络的手写印度文字符识别
计算机视觉与模式识别
2019-01-03 v1
摘要
卷积神经网络（CNNs）已成为各类计算机视觉任务的主要算法之一。手写字符识别正是此类任务中备受关注的典型例子。尽管LeNet与AlexNet等CNN架构在过去二十年中极为突出，但不同核的空间不变性至今仍是显著问题。随着胶囊网络的引入，核之间可借助动态路由相互协同，将称为胶囊的多个核组的独立意见相结合，从而在核间实现等变。本工作中，我们在手写印度数字与字符数据集上实现胶囊网络，以展示其相对于LeNet等网络的优越性。此外，还表明其可提升LeNet与AlexNet等其他网络的性能。
引用
@article{arxiv.1901.00166,
title = {Handwritten Indic Character Recognition using Capsule Networks},
author = {Bodhisatwa Mandal and Suvam Dubey and Swarnendu Ghosh and Ritesh Sarkhel and Nibaran Das},
journal= {arXiv preprint arXiv:1901.00166},
year = {2019}
}
备注
Accepted in IEEE Applied Signal Processing Conference 2018(ASPCON 2018 ) held on December 7-9, 2018 at Jadavpur University, Kolkata, India