• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Generative vs. Discriminative Recognition Models for Off-Line Arabic Handwriting
【2h】

Generative vs. Discriminative Recognition Models for Off-Line Arabic Handwriting

机译：离线阿拉伯手写体的生成识别模型与判别识别模型

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The majority of handwritten word recognition strategies are constructed on learning-based generative frameworks from letter or word training samples. Theoretically, constructing recognition models through discriminative learning should be the more effective alternative. The primary goal of this research is to compare the performances of discriminative and generative recognition strategies, which are described by generatively-trained hidden Markov modeling (HMM), discriminatively-trained conditional random fields (CRF) and discriminatively-trained hidden-state CRF (HCRF). With learning samples obtained from two dissimilar databases, we initially trained and applied an HMM classification scheme. To enable HMM classifiers to effectively reject incorrect and out-of-vocabulary segmentation, we enhance the models with adaptive threshold schemes. Aside from proposing such schemes for HMM classifiers, this research introduces CRF and HCRF classifiers in the recognition of offline Arabic handwritten words. Furthermore, the efficiencies of all three strategies are fully assessed using two dissimilar databases. Recognition outcomes for both words and letters are presented, with the pros and cons of each strategy emphasized.
机译：大多数手写单词识别策略都是基于字母或单词训练样本的基于学习的生成框架构建的。从理论上讲，通过判别学习构建识别模型应该是更有效的选择。这项研究的主要目的是比较判别式和生成式识别策略的性能，这些策略分别由生成训练的隐马尔可夫模型（HMM），判别训练的条件随机场（CRF）和判别训练的隐藏状态CRF（ HCRF）。从两个不同的数据库中获得学习样本，我们最初训练并应用了HMM分类方案。为了使HMM分类器能够有效地拒绝不正确的和不正确的语音分割，我们使用自适应阈值方案增强了模型。除了为HMM分类器提出此类方案外，本研究还介绍了CRF和HCRF分类器用于识别离线阿拉伯语手写单词。此外，使用两个不同的数据库对这三种策略的效率进行了全面评估。介绍了单词和字母的识别结果，并强调了每种策略的利弊。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号