基于RNN的手寫軌跡序列生成與分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、自從深度學(xué)習(xí)高速發(fā)展，如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行高效的手寫識別一直是我們學(xué)習(xí)和研究的重點(diǎn)。數(shù)據(jù)集不足、已有數(shù)據(jù)采樣不好會嚴(yán)重影響手寫樣本的訓(xùn)練效果，如果能夠利用優(yōu)異的數(shù)據(jù)集學(xué)習(xí)模擬它的手寫軌跡序列，自動生成字符的軌跡序列，可以有效地解決這類問題；同時(shí)在現(xiàn)今社會，我們使用手機(jī)和平板電腦這類移動互聯(lián)網(wǎng)設(shè)備越來越多，受限于這類設(shè)備的大小，疊字手寫識別在此類設(shè)備的輸入法中扮演了越來越重要的角色；對于疊字手寫識別來說，如何將連續(xù)的筆畫序列切分成一系列分

2、開的字符就變得十分重要。
　　本文將主要著眼于以上提出的兩個問題的解決。對于第一個問題，如何擴(kuò)充數(shù)據(jù)集，首先通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)采樣良好的數(shù)據(jù)集中字符軌跡序列前后點(diǎn)之間的偏移關(guān)系；然后在自動生成字符的軌跡序列的時(shí)候，利用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型，根據(jù)前一點(diǎn)坐標(biāo)和偏移關(guān)系我們可以推測出后續(xù)點(diǎn)的坐標(biāo)，從而依次生成字符軌跡序列。其中對于序列中前后坐標(biāo)點(diǎn)的偏移關(guān)系我們采用混合高斯模型來描述。對于第二個問題，如何將連續(xù)的筆畫序列切分成單獨(dú)字符

3、的筆畫序列，我們將這個問題轉(zhuǎn)換為判斷每一個筆畫序列是否是一個字符的結(jié)束筆畫這樣一個二元的序列分類問題；處理這樣一個分類問題，我們將筆畫序列的特征表示為一個向量序列，然后通過學(xué)習(xí)大量不同的筆畫特征來進(jìn)行分類。上述兩個問題的共同點(diǎn)在于字符或者筆畫軌跡序列前后之間具有一定地上下文關(guān)聯(lián)性，為了去更好地學(xué)習(xí)和描述這種上下文的關(guān)聯(lián)性，我們都采用RNN網(wǎng)絡(luò)模型去訓(xùn)練該系統(tǒng)。
　　最終生成的字符序列達(dá)到了可讓人從肉眼識別該字符的效果，并學(xué)習(xí)了訓(xùn)練