基于 RNN 利用加速度计与陀螺仪数据的在线手写字符识别
计算机视觉与模式识别
2019-07-31 v1 机器学习
机器学习
摘要
本摘要探讨了一种基于 RNN 的在线手写识别问题方法。我们的方法使用安装在手持笔状设备上的加速度计和陀螺仪数据来训练并运行字符预测模型。我们构建了一个带时间戳的陀螺仪和加速度计数据集，采集于手写拉丁字符的手动过程中，并标注所写字符；总体而言，该数据集包含来自 6 人的拉丁字母 8 个字符的 1500 条陀螺仪与加速度计数据序列，以及来自 5 人的格鲁吉亚字母 20 个字符、每字符 1500 个样本的数据。每条序列包含书写特定字符时以每 10ms 采样一次捕获的陀螺仪和加速度计数据。我们在此数据集上训练基于 RNN 的神经网络架构以预测所写字符。模型以分类交叉熵损失和 RMSprop 优化器进行优化，并在测试数据上达到高准确率。
引用
@article{arxiv.1907.12935,
title = {RNN-based Online Handwritten Character Recognition Using Accelerometer and Gyroscope Data},
author = {Davit Soselia and Shota Amashukeli and Irakli Koberidze and Levan Shugliashvili},
journal= {arXiv preprint arXiv:1907.12935},
year = {2019}
}