用于提升笔迹识别性能的半监督特征学习
机器学习
2019-05-28 v3 机器学习
摘要
数据增强通常被监督学习方法用于离线笔迹识别,但此类方法需要额外训练数据并可能导致过拟合误差。本研究提出一种半监督特征学习流程,通过同时利用额外无标签数据与原始有标签数据进行训练,以提升笔迹识别性能。具体而言,我们提出一种用于数据增强的加权标签平滑正则化(WLSR)方法,其为额外无标签数据分配加权均匀标签分布。WLSR方法可正则化卷积神经网络(CNN)基线,从而学习到更具判别性的特征以表征不同书写风格的特性。在知名基准数据集(ICDAR2013与CVL)上的实验结果表明,我们所提出的半监督特征学习方法能显著提升基线指标,并与现有笔迹识别方法具有竞争力。我们的发现为离线笔迹识别提供了新见解。
引用
@article{arxiv.1807.05490,
title = {Semi-supervised Feature Learning For Improving Writer Identification},
author = {Shiming Chen and Yisong Wang and Chin-Teng Lin and Weiping Ding and Zehong Cao},
journal= {arXiv preprint arXiv:1807.05490},
year = {2019}
}
备注
This manuscript is submitting to Information Science