基于嵌入訓(xùn)練和合成樣本的中文手寫字符串識(shí)別.pdf

1、中文字符識(shí)別是模式識(shí)別領(lǐng)域中極具有挑戰(zhàn)性的難題之一。目前，印刷漢字識(shí)別和聯(lián)機(jī)手寫漢字識(shí)別已逐步實(shí)用化，而脫機(jī)手寫漢字識(shí)別因其自身的復(fù)雜性被視為漢字識(shí)別領(lǐng)域“最后一座城堡”。最新發(fā)布的文本行級(jí)中文手寫庫HIT-MW使得這一領(lǐng)域重新成為熱點(diǎn)，HIT-MW庫首次關(guān)注真實(shí)手寫環(huán)境下的文本識(shí)別。
　　本文將中文手寫字符串作為研究對(duì)象，首先搭建一個(gè)基于切分策略的中文手寫字符串識(shí)別平臺(tái)，在此平臺(tái)上進(jìn)行切分-識(shí)別集成框架下的字符串識(shí)別，然后采用字

2、符串級(jí)別訓(xùn)練更新嵌入的字符分類器，進(jìn)而采用擾動(dòng)模型合成中文字符串樣本擴(kuò)展字符串級(jí)別訓(xùn)練的樣本集，以期提高真實(shí)手寫環(huán)境下的中文字符串的識(shí)別性能。
　　字符串切分-識(shí)別集成框架的基本過程是：首先對(duì)輸入的字符串圖像進(jìn)行過切分，并合并連續(xù)切分塊組成切分-候選模式網(wǎng)格；然后采用嵌入的字符分類器分類候選模式網(wǎng)格中的所有字符模式，形成切分-識(shí)別網(wǎng)格；最后根據(jù)一定的路徑評(píng)價(jià)函數(shù)尋找切分-識(shí)別網(wǎng)格中的最優(yōu)路徑。本文在字符串級(jí)別重新訓(xùn)練嵌入平臺(tái)的字符

3、分類器，訓(xùn)練過程中以 MCE準(zhǔn)則為目標(biāo)，采用隨機(jī)梯度下降在字符串樣本集上逐步更新字符級(jí)別訓(xùn)練得到的分類器參數(shù)。實(shí)驗(yàn)表明，字符串級(jí)別訓(xùn)練能減少識(shí)別過程中的插入錯(cuò)誤率，在一定程度上提高了中文手寫字符串的識(shí)別性能。
　　字符串級(jí)別訓(xùn)練采用的樣本集存在著嚴(yán)重的樣本不足問題。為此，本文提出兩種合成中文字符串樣本的擾動(dòng)模型，一是直接在自然文本行上施加文本行級(jí)別或連通部件級(jí)別的幾何變換；二是先對(duì)自然樣本中的單字字符進(jìn)行幾何變換，然后根據(jù)自然樣本