Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tăng cường khả năng phân biệt của HMM bằng NN cho Nhận dạng Viết tay Cursif Trực tuyến
Tóm tắt
Đối với nhận dạng viết tay trực tuyến, một phương pháp kết hợp được trình bày, kết hợp sức mạnh phân biệt của mạng nơ-ron với cấu trúc thời gian của mô hình Markov ẩn. Ban đầu, tất cả các thành phần chữ cái khả thi của một mẫu đầu vào được phát hiện bằng cách sử dụng kỹ thuật tìm chữ cái dựa trên mô hình Markov ẩn. Một lưới giả thuyết từ được tạo ra từ kết quả tìm chữ cái. Tất cả các giả thuyết chữ cái trong lưới được đánh giá bởi một bộ nhận dạng ký tự mạng nơ-ron nhằm củng cố sức mạnh phân biệt chữ cái. Sau đó, như một kỹ thuật mới, một thuật toán tìm kiếm lưới điều khiển bằng đảo được thực hiện để tìm đường đi tối ưu trên lưới giả thuyết từ tương ứng với từ có khả năng cao nhất trong số các từ trong từ điển. Kết quả của thí nghiệm này cho thấy rằng khuôn khổ được đề xuất hoạt động hiệu quả trong việc nhận dạng các từ viết tay cursif tiếng Anh. Trong một bài kiểm tra nhận dạng từ, trung bình đạt được 88,5% độ chính xác từ.
Từ khóa
#Nhận dạng viết tay #mô hình Markov ẩn #mạng nơ-ron #giả thuyết từ #tìm kiếm lướiTài liệu tham khảo
A.W. Senior and F. Fallside, “An off-line cursive script recognition system using recurrent error propagation networks,” in Proc. Int. Workshop on Frontiers in Handwriting Recognition, Buffalo, New York, 1993, pp. 132–141.
M. Cote, E. Lecolinet, M. Cheriet, and C.Y. Suen, “Building a perceptron based model for reading cursive script,” in Proc. Int. Conf. on Document Analysis and Recognition, Montreal, Canada, 1995, pp. 898–901.
M.-Y. Chen, A. Kundu, and J. Zhou, “Off-line handwritten word recognition using a hidden Markov model type stochastic network,” IEEE Trans. on SMC, vol. 16,no. 5, pp. 481–496, 1994.
E.J. Bellegarda, J.R. Bellegarda, D. Nahamoo, and K. Nathan, “A probabilistic framework for on-line handwriting recognition,” in Proc. Int. Workshop on Frontiers in Handwriting Recognition, Buffalo, New York, 1993, pp. 225–234.
J.-Y. Ha et al., “Recognition of unconstrained handwritten English words with character and ligature modeling,” Int. Journal of Pattern Recognition and Artificial Intelligence, vol. 9,no. 3, pp. 535–556, 1995.
H. Weissman et al., “Recognition-based segmentation of online run-on handprinted words: Input vs. output segmentation,” Pattern Recognition, vol. 27,no. 3, pp. 405–420, 1994.
M. Gilloux, B. Lemarie, and M. Leroux, “A hybrid radial basis function network/hidden Markov model handwritten word recognition system,” in Proc. Int. Conf. on Document Analysis and Recognition, Montreal, Canada, 1995, pp. 394–397.
G. Zavaliagkos, “A hybrid continuous speech recognition system using segmental neural nets with hidden Markov models,” Int. Journal of Pattern Recognition and Artificial Intelligence, vol. 7,no. 4, pp. 647–667, 1993.
R.G. Casey and E. Lecolinet, “Strategies in character segmentation: A survey,” in Proc. Int. Conf. on Document Analysis and Recognition, Montreal, Canada, 1995, pp. 1028–1033.
F.R. Chen, L.D. Wilcox, and D.S. Bloomberg, “Word spotting in scanned images using hidden Markov models,” in Proc. Int. Conf. on Acoustics, Speech and Signal Processing, 1993, pp. 1–4.
M. Cheriet and C.Y. Suen, “Extraction of key letters for cursive script recognition,” Pattern Recognition Letters, vol. 14, pp. 1009–1017, 1993.
G.D. Forney, “The Viterbi algorithm,” in Proc. IEEE, pp. 268–278, 1973.
N. Morgan, H. Bourland, and S. Renals, “Hybrid neural network/hidden Markov model systems for continuous speech,” Int. Journal of Pattern Recognition and Artificial Intelligence, vol. 7,no. 4, pp. 899–916, 1993.
H. Ney, “A comparative study of two search strategies for connected word recognition: Dynamic programming and heuristic search,” IEEE Trans. on PAMI, vol. 14,no. 5, pp. 586–595, 1992.
H.-L. Teuling and L.R.B. Schomaker, “A handwriting recognition system based on the properties and architectures of the human motor system,” in Proc. Int. Workshop on Frontiers in Handwriting Recognition, Montreal, Canada, 1990, pp. 195–209.
A. Corazza et al., “Computation of probabilities for an island-driven parser,” IEEE Trans. on PAMI, vol. 13,no. 9, pp. 937–949, 1991.
M.P. Marcus, B. Santorini, and M.A. Marcinkiewicz, “Building a large annotated corpus of English: The Penn Treebank,” Computational Linguistics, vol. 19,no. 2, pp. 313–330, 1993.
Y.S. Huang and C.Y. Suen, “Combination of multiple classifiers with measurement values,” in Proc. Int. Conf. on Document Analysis and Recognition, Montreal, Tsukuba Science City, Japan, 1993, pp. 598–601.
R.K. Powalka, N. Sherkat, and R.J. Whitrow, “Recognizer characterisation for combining handwriting recognition results at word level,” in Proc. Int. Conf. on Document Analysis and Recognition, Montreal, Canada, 1995, pp. 68–73.