PCGAN-CHAR：用于含噪手写孟加拉字符分类的渐进式训练分类生成对抗网络
计算机视觉与模式识别
2019-08-27 v1 信息检索
摘要
由于特征稀疏，噪声已被证明是手写字符分类中的一大阻碍。为此，多数技术在分类前对数据进行去噪。本文中，我们整合该方法，训练一个即便对含噪字符也能分类的一体化模型。对于分类，我们渐进式地在从低到高分辨率的字符上训练一个分类生成对抗网络（classifier GAN）。我们表明，通过在各分辨率独立学习特征，训练好的模型即便在存在噪声时也能准确分类字符。我们通过对 MNIST、手写孟加拉数字和基础字符数据集的含噪版本进行分类，实验性地证明了我们方法的有效性。
引用
@article{arxiv.1908.08987,
title = {PCGAN-CHAR: Progressively Trained Classifier Generative Adversarial Networks for Classification of Noisy Handwritten Bangla Characters},
author = {Qun Liu and Edward Collier and Supratik Mukhopadhyay},
journal= {arXiv preprint arXiv:1908.08987},
year = {2019}
}
备注
Paper was accepted at the 21st International Conference on Asia-Pacific Digital Libraries (ICADL 2019)