基于词级数据的离线文本无关笔迹识别
计算机视觉与模式识别
2023-10-31 v2
摘要
本文提出一种基于个人手写输入词图像来识别文档作者身份的新方案。我们的方法是文本无关的，且对所考虑的输入词图像的大小不加任何限制。首先，我们采用 SIFT 算法在多个抽象层级（包括变体字母、字符或字符组合）提取多个关键点。这些关键点随后通过一个训练好的 CNN 网络，生成对应于某一卷积层的特征图。然而，由于 SIFT 关键点对应的尺度不同，所生成特征图的大小可能有所差异。为缓解此问题，对特征图施加梯度直方图以产生固定长度的表示。通常，在 CNN 中，每个卷积块的滤波器数量随网络深度增加而增多。因此，为每个卷积特征图提取直方图特征会增加维度及计算负载。为此，我们采用基于熵的方法，在算法训练阶段学习特定 CNN 层特征图的权重。我们所提系统的有效性在两个公开数据库 CVL 和 IAM 上得到了验证。我们经实验表明，与以往工作相比，所得结果颇具前景。
引用
@article{arxiv.2202.10207,
title = {Offline Text-Independent Writer Identification based on word level data},
author = {Vineet Kumar and Suresh Sundaram},
journal= {arXiv preprint arXiv:2202.10207},
year = {2023}
}