Jun, 2021

基于笔画分解的零样本中文字符识别

PDF
TL;DR本文提出一种基于笔画的方法对中文字符进行识别，在解决中文字符零样本问题方面具有重要意义。在实验验证中，该方法比现有方法优异，不仅适用于手写文字，还适用于印刷艺术文字和场景文字。此外，该方法可以很容易地推广到可以分解成笔画的其他语言中的字符。
chinese character recognitionstroke-based methodzero-shot problemmatching-based strategycharacter decomposition
发现论文，激发创造
  • 面向零样本字符识别的黄金标准数据集及基于部首级别的标注

    构建一个包含基本水平和字符水平注释的古代汉字图像数据集，并提出一种基于字符分解和重组的零样本光学字符识别基准模型，实验证明了数据集和基准模型的有效性。

    Aug, 2023

  • 基于笔画的自编码器：高效零样本汉字识别的自监督学习模型

    在本文中，我们介绍了一个基于笔画的自编码器方法，用于对汉字的形态结构进行建模和预测，在零样本识别和增强汉字表示方面，取得了比现有方法更好的实验效果。

    Jul, 2022

  • 基于深度结构弹性图像配准的中文字符笔画提取

    汉字笔画提取在字符识别和生成中起重要作用，通过图像注册和先验信息，使用基于深度学习的方法实现了对复杂结构的汉字的精准提取。

    Jul, 2023

  • 神经机器翻译中的汉字分解与多词表达

    本研究探讨了不同层次的汉字分解对机器翻译的影响，包括偏旁、笔画和中间层级。研究还考察了分解多词表达式对提高翻译模型学习的影响。

    Apr, 2021

  • 解决中文字符表示瓶颈问题：基于笔画序列建模的神经机器翻译

    本篇论文提出了一种名为 StrokeNet 的新型汉字表示方法，它通过拉丁化的笔划序列为汉字表示，解决了学习瓶颈和参数瓶颈问题，可应用于神经机器翻译中，有效提高翻译性能并减少模型参数。

    Nov, 2022

  • 协作笔画精化的手写中文字体生成

    提出了一种使用基于卷积神经网络的模型生成中文手写字体的方法，该方法结合了协作训练策略、在线缩放增强以及自适应预变形技术，仅需要 750 个有配对的训练样本，无需预训练网络、额外的数据集资源或标签，并且在手写字体合成方面表现显著优于现有的方法。

    Apr, 2019

  • 字符查询：基于 Transformer 的在线手写字符分割方法

    在线手写字符分割与手写识别紧密关联，但仅通过识别模型定位相关位置通常无法产生精确的分割。我们将分割与识别解耦，使得分割结果能进一步被利用。我们专注于已知转录的情况，此时字符分割变成了笔迹轨迹的采样点与文本中字符的匹配问题。受 $k$-means 聚类算法启发，我们从簇分配的角度看待它，并提出了一种基于 Transformer 的架构，在 Transformer 解码器块中使用学得的字符查询形成每个簇。为了评估我们方法的质量，我们为两个流行的在线手写数据集 IAM-OnDB 和 HANDS-VNOnDB 创建了字符分割的真值，并对它们进行了多种方法的评估，证明我们的方法达到了最佳的整体效果。

    Sep, 2023

  • Text Gestalt: 基于笔画的场景文本图像超分辨率

    本文提出了一种 Stroke-Aware Scene Text Image Super-Resolution 方法，通过设计规则分解英文字符和数字，设计 Stroke-Focused Module（SFM）以集中于字符的笔画级内部结构，旨在通过预训练文本识别器为位置提供笔画级别的注意力图，并控制所生成的超分辨率图像与高分辨率真实值之间的一致性，从而实现低分辨率场景文本图像识别的目的。

    Dec, 2021

  • 对印地语在线手写字符进行字符识别的结构分析

    基于在线笔画的方向特性，通过提取子单位，进行了印地语在线手写字符的局部表示和字符识别，取得了 93.5% 的准确率。

    Oct, 2023

  • StrokeGAN: 利用笔画编码减少中文字体生成的模式坍缩

    本论文提出了 StrokeGAN 算法，通过使用一位笔画编码和笔画编码重建损失函数来避免 CycleGAN 模型的模式崩溃问题，并在九个不同的字体数据集上展示了 StrokeGAN 相对于现有方法在字符生成方面的显着优势.

    Dec, 2020