基于轨迹的部首分析网络用于在线手写汉字识别
计算机视觉与模式识别
2018-01-31 v1
摘要
近年来，由于深度学习技术的出现，在线手写汉字识别取得了巨大进展。然而，以往研究大多将每个汉字视为一个类别，而未显式考虑其固有结构，即具有复杂几何形态的部首组件。在本研究中，我们提出一种新颖的基于轨迹的部首分析网络（TRAN），首先同时识别部首并分析部首间的二维结构，然后基于对其内部部首的分析生成描述来识别汉字。所提出的 TRAN 采用循环神经网络（RNNs）同时作为编码器和解码器。RNN 编码器通过直接将书写轨迹转换为高层特征来充分利用在线信息。RNN 解码器旨在通过注意力模型检测部首与空间结构以生成描述。将汉字视为部首的二维组合的方式可缩减词表规模，并使 TRAN 具备识别未见汉字类别的能力，只要相应部首已被见过。在 CASIA-OLHWDB 数据库上的评估表明，所提方法以 10% 的相对字符错误率（CER）降幅显著优于最先进的整字建模方法。同时，对于 500 个未见汉字的识别情况，TRAN 可达到约 60% 的字符准确率，而传统整字方法无力处理它们。
引用
@article{arxiv.1801.10109,
title = {Trajectory-based Radical Analysis Network for Online Handwritten Chinese Character Recognition},
author = {Jianshu Zhang and Yixing Zhu and Jun Du and Lirong Dai},
journal= {arXiv preprint arXiv:1801.10109},
year = {2018}
}