基于卷积神经网络的离线手写中文文本识别
计算机视觉与模式识别
2020-06-30 v1
摘要
基于深度学习的方法已在多种不同和多语言场景下的文本识别任务中占据主导地位。离线手写中文文本识别（HCTR）是最具挑战性的任务之一，因其涉及数千字符、多变的书写风格和复杂的数据收集过程。近来，无循环架构的文本识别因其高度并行性和可比结果而显得具有竞争力。本文中，我们仅使用卷积神经网络构建模型，并采用 CTC 作为损失函数。为减少过拟合，我们在每个最大池化层后应用 dropout，并在线性层前的最后一层以极高比率应用。选取 CASIA-HWDB 数据库来调优和评估所提模型。以现有文本样本为模板，我们随机选取孤立字符样本合成更多文本样本用于训练。我们最终在 ICDAR 2013 竞赛集上取得 6.81% 的字符错误率（CER），这是无语言模型校正的最佳已发表结果。
引用
@article{arxiv.2006.15619,
title = {Offline Handwritten Chinese Text Recognition with Convolutional Neural Networks},
author = {Brian Liu and Xianchao Xu and Yu Zhang},
journal= {arXiv preprint arXiv:2006.15619},
year = {2020}
}
备注
6 pages, 5 figures, and 3 tables