Handwriting Recognition in Low-resource Scripts using Adversarial Learning

贡献

提出了一个基于生成对抗学习的小样本手写字符识别方法，使用spatial transformations（STN）增强文字图片在高维度空间的特征

方法

本文将任务网络分为三个部分

• $T_A$ 第一部分卷积
• $T_B$ 第二部分卷积
• $R$ 最后的label预测部分
  本文将an Adversarial Feature Deformation Module (AFDM)插入到$T_A$和$T_B$之间，在训练过程中，AFDM会deform特征，使得任务网络$T$不容易正确预测label，AFDM和$T$在训练时对抗更新。
  在测试时，只使用任务网络$T$

实验

在IAM数据集上不如ASTER，在小样本数据集上表现很好

经过AFDM后特征图可视化