用于日文与中文离线手写文本识别的循环神经网络转导器
计算机视觉与模式识别
2021-06-29 v1
摘要
在本文中，我们提出一种 RNN-Transducer 模型，用于识别日文与中文离线手写文本行图像。据我们所知，这是首个将 RNN-Transducer 模型用于离线手写文本识别的方法。所提模型由三个主要部分组成：视觉特征编码器，通过 CNN 从输入图像提取视觉特征，再由 BLSTM 对视觉特征编码；语言上下文编码器，通过嵌入层和 LSTM 从输入图像提取并编码语言特征；联合解码器，通过全连接层和 softmax 层将视觉特征与语言特征结合并解码为最终标签序列。所提模型利用了输入图像中的视觉与语言信息。在实验中，我们在 Kuzushiji 和 SCUT-EPT 两个数据集上评估了所提模型的性能。实验结果表明，所提模型在所有数据集上均达到了 SOTA 性能。
引用
@article{arxiv.2106.14459,
title = {Recurrent neural network transducer for Japanese and Chinese offline handwritten text recognition},
author = {Trung Tan Ngo and Hung Tuan Nguyen and Nam Tuan Ly and Masaki Nakagawa},
journal= {arXiv preprint arXiv:2106.14459},
year = {2021}
}