鲁棒高效的基于 IMU 的与书写者无关的手写识别
机器学习
2026-05-29 v3
摘要
由于书写风格的差异和数据集的有限性，利用惯性测量单元 (IMU) 数据进行手写识别 (HWR) 仍然具有挑战性。以往的方法通常难以处理来自未见过的书写者的手写内容，这使得与书写者无关 (WI) 的识别成为一个至关重要但困难的问题。本文提出了一种旨在改进基于 IMU 数据的 WI HWR 的模型，该模型使用 CNN 编码器和基于 BiLSTM 的解码器。我们的方法对未见过的书写风格表现出很强的鲁棒性，在公开的 OnHW 数据集和我们基于单词的数据集的 WI 划分上均优于现有方法，分别实现了 7.37% 和 9.44% 的字符错误率 (CER)，以及 15.12% 和 32.17% 的词错误率 (WER)。鲁棒性评估表明，我们的模型在不同年龄组中均保持了优越的性能，与其它方法相比，从某一组学到的知识能更好地泛化到另一组。在我们基于句子的数据集上的评估进一步展示了识别完整句子的潜力。通过全面的消融实验，我们表明我们的设计选择在性能和效率之间取得了良好的平衡。这些发现支持了为实际应用开发更具适应性和可扩展性的 HWR 系统。
引用
@article{arxiv.2502.20954,
title = {Robust and Efficient Writer-Independent IMU-Based Handwriting Recognition},
author = {Jindong Li and Tim Hamann and Jens Barth and Peter Kämpf and Dario Zanca and Björn Eskofier},
journal= {arXiv preprint arXiv:2502.20954},
year = {2026}
}
备注
Accepted at iWOAR 2025. Published in Springer LNCS, 2026. Code available at https://github.com/jindongli24/REWI