RZCR：基于部首推理的零样本字符识别
计算机视觉与模式识别
2023-05-02 v3
摘要
长尾效应是限制深度学习模型在真实世界数据集上性能的常见问题。由于字符使用频率的差异，字符图像数据集也受到这种不平衡数据分布的影响。因此，当前的字符识别方法在真实世界中的应用受到限制，尤其是对于缺乏训练样本的尾部类别，例如生僻字符。本文提出一种基于部首推理的零样本字符识别框架，称为 RZCR，以提升尾部少样本字符类别的识别性能。具体而言，我们根据正字法分解并重构字符，从而利用作为字符图形单元的部首。RZCR 由基于视觉语义融合的部首信息提取器（RIE）和知识图谱字符推理器（KGR）组成。RIE 旨在并行识别候选部首及其可能的结构关系。随后将结果输入 KGR，通过知识图谱推理识别目标字符。我们在多个数据集上验证了该方法，RZCR 展现出有前景的实验结果，尤其在少样本字符数据集上。
引用
@article{arxiv.2207.05842,
title = {RZCR: Zero-shot Character Recognition via Radical-based Reasoning},
author = {Xiaolei Diao and Daqian Shi and Hao Tang and Qiang Shen and Yanzeng Li and Lei Wu and Hao Xu},
journal= {arXiv preprint arXiv:2207.05842},
year = {2023}
}
备注
Accepted to IJCAI 2023