用于离线手写汉字识别的模板-实例损失
计算机视觉与模式识别
2019-10-15 v1
摘要
离线手写汉字识别（HCCR）长期存在的挑战有两点：汉字既可能非常多样且复杂，又彼此形似；而草书书写（因书写速度加快和抬笔不频繁）使得笔画乃至字符以连贯方式连接在一起。本文针对离线手写汉字识别中的相关机器学习任务，提出了模板损失与实例损失函数。首先，设计字符模板以应对汉字间固有的相似性。其次，实例损失可根据分类难度减小类内方差，对离群的手写汉字样本施以较大惩罚。使用由简单层构成的深度网络架构 HCCR14Layer 模型并以新损失函数训练，大量实验表明其在离线 HCCR 上取得了超越现有最优（state-of-the-art）的性能。
引用
@article{arxiv.1910.05545,
title = {Template-Instance Loss for Offline Handwritten Chinese Character Recognition},
author = {Yao Xiao and Dan Meng and Cewu Lu and Chi-Keung Tang},
journal= {arXiv preprint arXiv:1910.05545},
year = {2019}
}
备注
Accepted by ICDAR 2019