基于线性循环单元的旋转自由在线手写字符识别
计算机视觉与模式识别
2026-02-03 v1 机器学习
摘要
在线手写字符识别利用笔画顺序和动态特征，通常比离线识别提供更高的准确率和鲁棒性。然而，在实际应用中，旋转变形会扰乱笔画的空间布局，从而显著降低识别准确率。因此，提取旋转不变特征仍是一个具有挑战性的开放问题。本文采用滑动窗口路径签名 (SW-PS) 捕获字符的局部结构特征，引入轻量级线性循环单元 (LRU) 作为分类器。LRU 将循环神经网络 (RNN) 的快速增量处理能力与状态空间模型 (SSM) 的高效并行训练能力相结合，同时可靠地建模动态笔画特征。我们在 CASIA-OLHWDB1.1 数据集的三个子集上进行识别实验：数字、英文大写字母和中文偏旁部首。经过集成学习后，分别实现了 99.62%、96.67% 和 94.33% 的准确率。实验结果表明，所提出的 SW-PS+LRU 框架在收敛速度和测试准确率方面均显著优于对手模型。
引用
@article{arxiv.2602.01533,
title = {Rotation-free Online Handwritten Character Recognition Using Linear Recurrent Units},
author = {Zhe Ling and Sicheng Yu and Danyu Yang},
journal= {arXiv preprint arXiv:2602.01533},
year = {2026}
}