在线和离线手写汉字识别:一个全面的研究和新的基准

在线和离线手写汉字识别:一个全面的研究和新的基准(中文14000字,英文PDF)
摘要
近年来，基于深度学习的手写汉字识别方法通过直接从原始数据中学习判别表示法，取得了最先进的识别性能。尽管如此，我们相信长期深入研究的特定领域的知识仍然有助于提高HCCR的性能。通过将传统的归一化-协同方向分解特征图(directMap)与深度卷积神经网(convNet)相结合，我们能在基于ICDAR-2013竞赛数据库上获得在线和离线HCCR的最高精度。通过这个新的构架，我们可以消除对数据扩充和模型总体的需求，而这些在其他系统中得到了应用并达到最佳效果。这使得我们的构架对于训练和测试都是有效并高效的。此外,尽管这种构架事先可以实现最好的结果和超越人类的性能,我们发现,作者自适应改变在这种情况下仍然有效。为了减少训练数据与测试数据之间的不匹配，提出了一种新的特殊适应层。适应过程可以在无监督的情况下有效地执行。通过在预训练的convNet中加入自适应层，可以适应特定写作者的新笔迹风格，进一步提高识别精度。本文对近年来基于深度学习的HCCR方法进行了综述和比较，并为在线和离线HCCR设置了新的基准。