基于简约隐马尔可夫模型的写者感知CNN用于离线手写中文文本识别
计算机视觉与模式识别
2019-09-23 v2
摘要
近年来，卷积神经网络-隐马尔可夫模型（CNN-HMM）混合模型被引入离线手写中文文本识别（HCTR），并取得了最先进的性能。然而，用统一且固定数量的隐状态对大量汉字词汇进行建模需要较高的内存和计算成本，并使数以万计的HMM状态类难以区分。CNN-HMM用于HCTR的另一个关键问题是多样化的书写风格，这导致模型 strained 并对特定写者出现显著的性能下降。为解决这些问题，我们提出了一种基于简约HMM（PHMM）的写者感知CNN（WCNN-PHMM）。首先，PHMM采用数据驱动的状态绑定算法设计，以大幅减少HMM状态总数，这不仅通过不同汉字间相同或相似部首的状态共享得到紧凑的CNN，还因绑定状态建模更准确且相互间混淆更低而提高了识别准确率。其次，WCNN将每个卷积层与一个由写者相关向量（即写者码）驱动的自适应层相集成，以提取写者信息中的无关变异性从而提升识别性能。写者自适应层的参数在训练阶段与其他网络参数联合优化，而采用多遍解码策略来学习写者码并生成识别结果。在CASIA-HWDB数据库的ICDAR 2013竞赛上验证，具有7360类词汇的更紧凑WCNN-PHMM在不考虑语言模型的情况下，相较传统CNN-HMM实现了16.6%的相对字符错误率（CER）降低。通过采用强大的混合语言模型（N-gram语言模型与循环神经网络语言模型），WCNN-PHMM的CER降至3.17%。
引用
@article{arxiv.1812.09809,
title = {Writer-Aware CNN for Parsimonious HMM-Based Offline Handwritten Chinese Text Recognition},
author = {Zi-Rui Wang and Jun Du and Jia-Ming Wang},
journal= {arXiv preprint arXiv:1812.09809},
year = {2019}
}