基于弱监督学习的相似手写汉字判别
计算机视觉与模式识别
2015-09-22 v1
摘要
传统的手写汉字识别方法在分类相似字符时表现不佳。本文中，我们提出使用弱监督学习来判别相似手写汉字。我们的方法为每个相似对学习一个判别性 SVM，其同时定位相似字符的判别区域并进行分类。相似手写汉字识别 (SHCCR) 首次被公式化为一个从 SVM 扩展的优化问题。我们还提出了一种新颖的特征描述子 Gradient Context，并应用词袋模型来表示不同尺度的区域。在我们的方法中，不需要选择尺寸固定的子窗口来区分相似字符。这种无约束特性使我们的方法能很好地适应相似手写汉字中判别区域在尺寸和位置上的高度变化。我们在 CASIA 汉字数据集上评估了所提方法，结果表明我们的方法优于当前最优 (state of the art)。
引用
@article{arxiv.1509.05844,
title = {Similar Handwritten Chinese Character Discrimination by Weakly Supervised Learning},
author = {Zhibo Yang and Huanle Xu and Keda Fu and Yong Xia},
journal= {arXiv preprint arXiv:1509.05844},
year = {2015}
}
备注
5 figures, 8 pages