循环神经网络用于画作识别：使我的机器人能够玩 Pictionary

MMAug, 2016

循环神经网络用于画作识别：使我的机器人能够玩 Pictionary

Enabling My Robot To Play Pictionary : Recurrent Neural Networks For Sketch Recognition

Ravi Kiran Sarvadevabhatla, Jogendra Kundu, Babu R. Venkatesh

TL;DR本研究提出了一种基于递归神经网络的手绘图形识别架构，通过利用深度草图特征和加权每个时步损失来实现在大量对象类别上的最新结果，尤其适用于在线识别对象。

Abstract

freehand sketching is an inherently sequential process. Yet, most approaches for hand-drawn sketch recognition either ignore this sequential aspect or exploit it in an ad-hoc manner. In our work, we propose a rec

freehand sketching sketch recognition recurrent neural network gated recurrent unit object recognition

发现论文，激发创造

素描绘画的神经表示

该研究介绍了 Sketch-RNN，它是一种基于循环神经网络（RNN）的模型，能够构建常见对象的基于笔画的绘图，并描述了生成矢量格式的连贯笔画绘图的鲁棒性训练方法。

Apr, 2017

Sketch-R2CNN: 基于注意力机制的矢量草图识别网络

该研究提出了一种利用注意力机制和神经网络实现端到端学习的新型 freehand sketching 认知方法，相比于现有技术更加鲁棒和有效，能够在大规模的手绘图像识别竞赛中获得更好的性能表现。

Nov, 2018

使用循环神经网络绘制和识别汉字

本文提出了一种基于循环神经网络的框架，将其作为识别和生成中文字符的判别模型和生成模型，达到了 ICDAR-2013 竞赛数据库上的最先进效果。

Jun, 2016

基于形状和纹理特征的序列双重深度学习用于草图识别

本文提出了一种将形状和纹理特征相结合的顺序深度学习策略，利用编码形状描述符和 CNN 的输出作为抽象的纹理特征来识别并获得高灵活性的手绘图，并通过重复神经网络进行特征融合来实现物体不变性识别。实验结果表明，该方法即使在形状和外观发生显着变化的情况下也能优于人类平均水平和现有算法。

Aug, 2017

注意力聚焦：非递归手写文本行识别

使用变形金刚模型的多头自我注意力层，无需回归方法且具有超出预定义词汇表的单词识别能力，能实现很高的手写识别精度，即使在少量样本学习情况下也可取得满意的结果。

May, 2020

自由笔画识别的多图变换器

本文提出了一种新的手绘草图表示方式，将其作为多个稀疏连接的图形，利用设计的多图变压器（MGT）进行学习，从多个图形中同时捕获全局和局部几何笔画结构以及时间信息；实验证明，该方法可用于在 Google QuickDraw 上进行草图识别，相对 CNN 性能上限的精度达到了 72.80％，且显著优于所有基于 RNN 的模型。

Dec, 2019

利用循环神经网络识别手术活动

使用循环神经网络识别机器人运动学中的外科手术活动，成果表明使用 RNN 可以有效识别手势和操作，并提高了准确性和编辑距离。

Jun, 2016

自由手图的深度学习：一项调查

本文全面调查了深度学习技术在手绘素材上的应用，主要内容包括手绘素材的特征与城市挑战、现有数据集、研究主题和最新方法的详细分类和实验评估、以及未来研究的障碍、问题和潜在方向。

Jan, 2020

深度素描抽象学习

本文提出了第一种基于笔画级别的速写抽象模型，并通过强化学习训练了一个笔画去除策略，该模型能够用于各种速写分析任务，包括建模笔画显著性、合成具有可变抽象度的速写以及使用仅照片训练细粒度速写检索模型。

Apr, 2018

基于图神经网络的手写轨迹识别

该研究论文通过将手写轨迹特征与图神经网络相结合，评估了离线手写文本的恢复绘图顺序以及直接使用链码的在线手写轨迹，实证结果证明这种组合超过了以往的结果，并且在短时间内最小化了错误率。

May, 2024