用于在线字符识别的稀疏签名数组
计算机视觉与模式识别
2013-12-03 v2 神经与进化计算
摘要
在数学中，路径的签名是一组迭代积分，常用于求解微分方程。我们表明，将路径签名作为特征集供卷积神经网络（CNN）使用，可提高在线字符识别的准确率，即读取表示为路径集合的字符的任务。利用字母、数字、阿萨姆语和汉字的数据集，我们展示了第一、第二甚至第三次迭代积分包含了供 CNN 使用的有用信息。在 CASIA-OLHWDB1.1 3755 汉字数据集上，我们的方法取得了 3.58% 的测试错误率，而传统 CNN [Ciresan et al.] 为 5.61%。在 CASIA-OLHWDB1.0-1.2 数据集上训练的 CNN 赢得了 ICDAR2013 在线孤立汉字识别竞赛。在计算方面，我们开发了一种稀疏 CNN 实现，使得训练具有多层最大池化的 CNN 变得切实可行。通过平移扩展 MNIST 数据集，我们的稀疏 CNN 获得了 0.31% 的测试错误率。
引用
@article{arxiv.1308.0371,
title = {Sparse arrays of signatures for online character recognition},
author = {Benjamin Graham},
journal= {arXiv preprint arXiv:1308.0371},
year = {2013}
}
备注
10 pages, 2 figures