卷积是否已取代循环结构用于无约束手写文本识别？
计算机视觉与模式识别
2020-12-10 v1
摘要
无约束手写文本识别对深度神经网络而言仍是一项重要挑战。近年来，循环网络尤其是长短期记忆（LSTM）网络在该领域取得了最先进的性能。然而，它们由大量可训练参数构成，且循环神经网络的训练不支持并行。这直接影响了此类架构的训练时间，也直接影响了探索各种架构所需的时间。最近，无循环架构如带门控机制的全卷积网络被提出作为一种可实现有竞争力结果的替代方案。在本文中，我们探索卷积架构并与CNN+BLSTM基线进行比较。我们基于RIMES数据集及其修改版本（通过在图像上叠加印刷网格的笔记本背景进行增强）开展了关于不同架构的离线手写识别任务的实验研究。
引用
@article{arxiv.2012.04954,
title = {Have convolutions already made recurrence obsolete for unconstrained handwritten text recognition ?},
author = {Denis Coquenet and Yann Soullard and Clément Chatelain and Thierry Paquet},
journal= {arXiv preprint arXiv:2012.04954},
year = {2020}
}