LV-ROVER：词典验证的识别器输出投票误差消减
计算机视觉与模式识别
2017-07-25 v1
摘要
离线手写文本行识别是一项艰巨的任务，需要高效的光学字符识别器和语言模型。手写识别的最先进方法基于长短期记忆（LSTM）循环神经网络（RNN），并结合语言知识的使用。文献中提出的大多数方法侧重于改进这两个组件之一，并使用专用于数据库词典的约束。然而，最先进的性能是通过结合多个光学模型，并可能通过识别器输出投票误差消减（ROVER）框架结合多个语言模型来实现的。尽管使用 ROVER 的手写行识别已通过仅结合少数识别器得以实现，因为训练多个完整的识别器十分困难。本文提出了一种词典验证的 ROVER：LV-ROVER，其复杂度较原始方法有所降低，并且可以在不使用语言模型的情况下组合数百个识别器。我们在 RIMES 数据集上实现了手写文本行的最先进性能。
引用
@article{arxiv.1707.07432,
title = {LV-ROVER: Lexicon Verified Recognizer Output Voting Error Reduction},
author = {Bruno Stuner and Clément Chatelain and Thierry Paquet},
journal= {arXiv preprint arXiv:1707.07432},
year = {2017}
}
备注
Submitted to Pattern Recognition Letters