含噪手写孟加拉文字符的像素级重建与分类
计算机视觉与模式识别
2018-06-22 v1 机器学习
摘要
手写字符图像的分类技术易受噪声影响。四叉树可作为一种从稀疏特征中学习的有效表示。本文中，我们通过使用像素级分类器提取字符像素并去除手写字符图像中的噪声，提升了概率四叉树的有效性。该像素级去噪器（一个深度信念网络）利用预训练 CNN 的映射响应作为特征，以重建字符并消除噪声。我们通过对含噪版手写孟加拉数字与基本字符数据集进行重建与分类的实验，证明了方法的有效性。
引用
@article{arxiv.1806.08037,
title = {Pixel-level Reconstruction and Classification for Noisy Handwritten Bangla Characters},
author = {Manohar Karki and Qun Liu and Robert DiBiano and Saikat Basu and Supratik Mukhopadhyay},
journal= {arXiv preprint arXiv:1806.08037},
year = {2018}
}
备注
Paper was accepted at the 16th International Conference on Frontiers in Handwriting Recognition (ICFHR 2018)