62、手写识别训练集半自动获取及中文手写识别策略

手写识别训练集半自动获取及中文手写识别策略

手写识别训练集半自动获取

在离线手写单词识别领域，依赖书写者的方法通常能实现更高的识别准确率，这就需要为每个书写者创建并训练单独的分类器，而训练集的准备工作尤为关键。下面介绍一种半自动创建字符分类器训练集的方法。

问题定义

该方法的目标是从训练语料库中半自动创建字符分类器的训练集（T SCC）。训练语料库由手写单词图像组成，并标注了正确的 ASCII 字符序列。T SCC 的获取通过三个阶段完成：
1. 第一阶段 ：使用进化算法创建候选语料库分割变体集，染色体代表分割变体模型。
2. 第二阶段 ：对最终种群中个体对应的所有分割变体进行迭代细化，微调字符边界以提高整体分割评估。
3. 第三阶段 ：评估获得的字母图像集，将其作为手写识别程序的训练集，剔除最异常的样本以提高字符识别准确率。

此方法基于单词图像过度分割为字素的方式，假设字符由完整数量的字素组成，实际字符边界位于字素边界上。目标是找到字素序列的细分，使其与训练语料库中明确给出的实际字符标注最接近。

设语料库 S 包含 K 个手写单词图像 Ik（k = 1, …, K），每个图像标注了构成单词的字符序列 wk = (c(1)k, c(2)k, …, c(lk)k)。对每个单词图像进行分割，得到对应的字素序列 Gk = (g(1)k, g(2)k, …, g(mk)k)。通过选择每个单词的分割变体 V kn，可得到完整的分割变体 ˆVn = (V 1n1, V 2n2, ·, V KnK)。