基于RNN的手寫軌跡序列生成與分類系統(tǒng)的設(shè)計與實現(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。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之間的偏移關(guān)系；然后在自動生成字符的軌跡序列的時候，利用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型，根據(jù)前一點坐標(biāo)和偏移關(guān)系我們可以推測出后續(xù)點的坐標(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