用于手写汉字识别的可解释距离度量学习
计算机视觉与模式识别
2021-03-18 v1 人工智能
摘要
手写识别对人机交互（HCI）与纸质文档数字化均至关重要。在光学字符识别（OCR）的通用领域中，手写汉字识别因极其庞大的字符集与惊人的书写风格多样性而面临巨大挑战。学习恰当的距离度量以衡量数据输入间差异是精确手写字符识别的基础。现有距离度量学习方法要么产生不可接受的误识率，要么在结果上缺乏可解释性。本文提出一种用于手写汉字识别的可解释距离度量学习方法。所学度量由可理解的基度量线性组合而成，从而向普通用户提供有意义的洞察。我们在基准数据集上的实验结果证明了所提方法在效率、精度与可解释性上的优越性。
关键词
引用
@article{arxiv.2103.09714,
title = {Interpretable Distance Metric Learning for Handwritten Chinese Character Recognition},
author = {Boxiang Dong and Aparna S. Varde and Danilo Stevanovic and Jiayin Wang and Liang Zhao},
journal= {arXiv preprint arXiv:2103.09714},
year = {2021}
}