从离线手写日文汉字中恢复在线轨迹
计算机视觉与模式识别
2020-09-10 v1 机器学习
摘要
一般而言，从在线手写模式渲染离线手写图像是直接的。然而，给定离线手写图像重建在线手写模式具有挑战性，尤其是对于像日文汉字这样的多笔画字符。多笔画字符不仅需要点坐标，还需要笔画顺序，其难度随笔画数量呈指数增长。此外，若干交叉点和接触点可能会增加恢复任务的难度。我们提出一种基于深度神经网络的方法，利用大型在线手写数据库来解决该恢复任务。我们提出的模型有两个主要组件：基于卷积神经网络(CNN)的编码器和带有注意力层的基于长短期记忆网络(LSTM)的解码器。编码器专注于特征提取，而解码器参考提取的特征并生成坐标的时间序列。我们还展示了注意力层在重建过程中引导解码器的效果。我们通过视觉验证和手写字符识别来评估所提方法的性能。尽管视觉验证揭示了一些问题，但识别实验表明，当将恢复轨迹的在线识别相结合时，轨迹恢复在提高离线手写字符识别准确率方面具有效果。
引用
@article{arxiv.2009.04284,
title = {Online trajectory recovery from offline handwritten Japanese kanji characters},
author = {Hung Tuan Nguyen and Tsubasa Nakamura and Cuong Tuan Nguyen and Masaki Nakagawa},
journal= {arXiv preprint arXiv:2009.04284},
year = {2020}
}
备注
9 pages, ICPR2020 (reviewing)