基于深度學(xué)習(xí)與MQDF相結(jié)合的手寫漢字識(shí)別方法.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展,用戶對(duì)便利終端設(shè)備的迫切需求,市場(chǎng)上紛紛出現(xiàn)各式各樣的大屏幕手機(jī)、平板電腦,使得手寫輸入變得更加簡(jiǎn)單、方便。移動(dòng)終端設(shè)備的出現(xiàn)在給手寫識(shí)別帶來的巨大商機(jī)的同時(shí),也帶來了更大的挑戰(zhàn),不僅要求識(shí)別精度高,而且要求識(shí)別速度快,適合各類用戶書寫習(xí)慣和各類設(shè)備硬件條件。
　　在手寫識(shí)別中,提高單字識(shí)別的精度是基礎(chǔ)也是重點(diǎn),但是一些客觀原因也造成了單字識(shí)別的難度,例如由于漢字的種類多,結(jié)構(gòu)復(fù)雜,字形的多樣化以及標(biāo)注樣

2、本的有限。建立標(biāo)注手寫樣本庫過程繁瑣,一定數(shù)量的標(biāo)注手寫樣本庫的獲得需要耗費(fèi)大量的財(cái)力,樣本的校驗(yàn)工作也需要花費(fèi)很多的精力和時(shí)間,因此手寫漢字識(shí)別領(lǐng)域面臨著巨大的挑戰(zhàn)。但是,由于移動(dòng)商業(yè)化的發(fā)展、手寫終端的便利、各類手寫應(yīng)用的出現(xiàn)以及用戶越來越依賴于手寫輸入的現(xiàn)狀,通過一定的商業(yè)途徑,獲得用戶各式各樣的大量無標(biāo)注手寫樣本對(duì)手寫識(shí)別來說變得相對(duì)容易了,找到一種成本低、準(zhǔn)確率高的手寫識(shí)別方法變得尤其重要。在這種標(biāo)注樣本少,無標(biāo)注樣本多的情況

3、之下,半監(jiān)督的深入學(xué)習(xí)方法便能很好地發(fā)揮其優(yōu)勢(shì)。
　　本文將深入學(xué)習(xí)應(yīng)用到手寫漢字識(shí)別中,并結(jié)合傳統(tǒng)的預(yù)處理、降維以及分類方法,提出了一種將 DBN與MQDF相結(jié)合的單字識(shí)別方法。深度學(xué)習(xí)相比其他的學(xué)習(xí)方法具有較強(qiáng)的表達(dá)能力,特別對(duì)結(jié)構(gòu)復(fù)雜的手寫漢字,能夠用非常復(fù)雜的深度結(jié)構(gòu)進(jìn)行建模。本文中的提出的方法主要分為四個(gè)階段:第一階段,將在線或者離線數(shù)據(jù)進(jìn)行規(guī)整化后,采用連續(xù)的NCFE八方向特征提取方法;第二階段,將第一階段得到的特征放

4、到 DBN中進(jìn)行構(gòu)建、訓(xùn)練和粗分類;第三階段,將第一階段得到的特征進(jìn)行降維;第四階段,利用第三階段得到的特征和第二階段得到的候選類別用Modified Quadratic Discriminant Functions(MQDF)進(jìn)行細(xì)分類。
　　最后,本文的方法在哈爾濱工業(yè)大學(xué)深圳研究生院 HIT-OR3C、中科院CASIA-OLHWDB1和華南理工的SCUT-COUCH2009手寫數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。結(jié)果表明,相比其他方法,本文提