基于循环神经网络的印度语种逐词文字识别：采用逐字符训练
计算机视觉与模式识别
2018-12-31 v2
摘要
本文提出了一种新颖的印度手写文字识别方法，使用循环神经网络，并解决了数据匮乏场景下的文字识别问题，例如仅在线字符级数据可用时。该方法基于以下假设：在线字符数据的曲线包含足够的信息用于词级预测。使用在线字符数据训练采用BLSTM架构的RNN，然后用于对在线词级数据进行预测。测试集上的预测结果与使用在线词数据训练的模型的预测结果相当，而字符级模型的训练所需数据量少得多，时间也短得多。报告了二元脚本模型以及五种印度语种脚本模型的性能，并与HMM模型进行了比较。该系统扩展用于离线数据预测。原始离线数据缺乏在线数据中的时间信息，而使用在线数据训练的模型需要这些信息进行预测。为克服这一点，实现了笔画恢复，并利用这些笔画通过在线字符级模型进行预测。报告了字符级和词级离线数据的性能。
引用
@article{arxiv.1709.03209,
title = {Recurrent neural networks based Indic word-wise script identification using character-wise training},
author = {Rohun Tripathi and Aman Gill and Riccha Tripati},
journal= {arXiv preprint arXiv:1709.03209},
year = {2018}
}
备注
Version accepted at ICPRS 2017