用于印刷体汉字识别中零样本学习的部首分析网络
计算机视觉与模式识别
2018-03-30 v2 多媒体
摘要
汉字拥有庞大的字符类别集合，超过 20,000 个且数量仍在随着越来越多新字符被创造而增加。然而，海量汉字可分解为约 500 个紧凑的基本与结构部首集合。本文引入一种新颖的部首分析网络（RAN），通过识别部首并分析其间二维空间结构来识别印刷体汉字。所提 RAN 首先利用卷积神经网络作为编码器从输入中提取视觉特征。随后采用基于循环神经网络的解码器，旨在通过空间注意力机制检测部首与二维结构以生成汉字描述。将汉字视为部首组合而非单一字符类的方式大幅缩减了词表规模，并使 RAN 具备识别未见汉字类的能力，即零样本学习。
引用
@article{arxiv.1711.01889,
title = {Radical analysis network for zero-shot learning in printed Chinese character recognition},
author = {Jianshu Zhang and Yixing Zhu and Jun Du and Lirong Dai},
journal= {arXiv preprint arXiv:1711.01889},
year = {2018}
}
备注
Accepted by ICME2018