基于卷积神经网络的无文本限定书写者识别
计算机视觉与模式识别
2020-09-11 v1 机器学习
摘要
无文本限定书写者识别方法不要求书写者书写某些预定文本。先前关于无文本限定书写者识别的研究基于识别专家设计的书写者特定特征。然而在过去十年中，深度学习方法已成功应用于从数据中自动学习特征。我们在此提出一种端到端深度学习方法用于无文本限定书写者识别，其无需事先识别特征。最初训练一个卷积神经网络（CNN）以提取局部特征，这些特征表征整个字符图像及其子区域中个体笔迹的特性。从训练集中随机采样的图像元组用于训练 CNN，并聚合元组中图像的提取局部特征以形成全局特征。每个训练轮次都重复随机采样元组的过程，这等同于为训练 CNN 进行无文本限定书写者识别准备了大量训练模式。我们在 JEITA-HP 离线手写日文字符模式数据库上进行了实验。使用 200 个字符，我们的方法对 100 名书写者分类达到了 99.97% 的准确率。即使对 100 名书写者使用 50 个字符或对 400 名书写者使用 100 个字符，我们的方法分别取得了 92.80% 或 93.82% 的准确率。我们在 Firemaker 与 IAM 离线手写英文文本数据库上进行了进一步实验。每书写者仅用一页训练，我们的方法对 900 名书写者分类达到了超过 91.81% 的准确率。总体而言，我们取得了优于先前发表的基于手工特征与聚类算法最佳结果的表现，这证明了我们的方法对英文手写文本同样有效。
引用
@article{arxiv.2009.04877,
title = {Text-independent writer identification using convolutional neural network},
author = {Hung Tuan Nguyen and Cuong Tuan Nguyen and Takeya Ino and Bipin Indurkhya and Masaki Nakagawa},
journal= {arXiv preprint arXiv:2009.04877},
year = {2020}
}
备注
12 pages