基于嵌入訓(xùn)練和合成樣本的中文手寫字符串識別.pdf

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

2、符串級別訓(xùn)練更新嵌入的字符分類器，進而采用擾動模型合成中文字符串樣本擴展字符串級別訓(xùn)練的樣本集，以期提高真實手寫環(huán)境下的中文字符串的識別性能。
　　字符串切分-識別集成框架的基本過程是：首先對輸入的字符串圖像進行過切分，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-識別網(wǎng)格；最后根據(jù)一定的路徑評價函數(shù)尋找切分-識別網(wǎng)格中的最優(yōu)路徑。本文在字符串級別重新訓(xùn)練嵌入平臺的字符

3、分類器，訓(xùn)練過程中以 MCE準(zhǔn)則為目標(biāo)，采用隨機梯度下降在字符串樣本集上逐步更新字符級別訓(xùn)練得到的分類器參數(shù)。實驗表明，字符串級別訓(xùn)練能減少識別過程中的插入錯誤率，在一定程度上提高了中文手寫字符串的識別性能。
　　字符串級別訓(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模型，一是直接在自然文本行上施加文本行級別或連通部件級別的幾何變換；二是先對自然樣本中的單字字符進行幾何變換，然后根據(jù)自然樣本