突尼斯sfax大学的研究人员最近开发了一种识别在线脚本中手写字符和符号的新方法。他们的技术是在提前在arXiv上发表的一篇论文中提出的，并且在用拉丁字母和阿拉伯字母书写的文本中取得了显著的成就。

近年来，研究人员创造了一种基于神经网络的体系结构，可以处理各种任务，包括图像分类、人脸识别、自然语言处理等。手写识别系统是一种计算机工具，专门设计用于以类似于人的方式识别字符和其他手写符号。

事实上，在人类生命的早期，人类通过单独识别特定的字符并将它们组合在一起，自然地发展了理解不同类型笔迹的能力。在过去的十几年里，许多研究试图在计算机系统中复制这种能力，因为它最终将使手写文本的分析更加先进和自动化。

研究人员在论文中写道：“我们的论文研究的是基于特征提取系统和序列分类深度方法系统的在线手写笔迹识别问题。"我们使用现有的方法结合新的分类器来获得一个灵活的系统."

sfax大学的研究人员在他们的论文中提出了两个基于深度神经网络的系统：一个是使用长时短时记忆网络(OnHSR-LSTM)的在线笔迹分割和识别系统，另一个是由以下内容组成的在线笔迹识别系统。卷积长短期记忆网络(OnHR-covLSTM)。

他们的第一个模型名为OnHSR-LSTM，基于一种理论，该理论将人类感知系统描述为将语言从图形标记转换为符号表示的一种手段。其工作原理是检测符号或字符的共同属性，然后根据特定的感知规律进行排列，例如基于接近度、相似度等。

研究人员在论文中解释说：“最后，它(模型)试图建立手写形式的表示，基于对形式的感知是对我们识别物体之前排列的基本特征的识别的假设。“因此，手写表示是原始笔画的组合。手写是一系列组合在一起定义字符或形状的基本代码。”

研究人员提出的第一种技术基本上是使用手写生成模型将手写笔迹分成单个椭圆笔画。随后，这些笔画被分类成原始代码，这些代码被神经结构用来识别在线手写脚本中的单词。

OnHR-convlsm研究员提出的第二个系统是生成模型，它使用脚本的在线信号作为输入，并经过训练来预测字符和单词。第二种技术对于序列学习任务(即涉及长字符和符号序列的处理和分类的任务)特别有用。

研究人员使用五个不同的数据库来训练和评估他们的系统，这些数据库包含阿拉伯和拉丁字母的手写脚本。他们的测试取得了显著的效果，两个系统的识别率都超过了98%。有趣的是，研究人员发现，这两种技术的表现与人类受试者在类似任务中的表现相似。

研究人员写道：“我们现在计划在大型数据库和其他脚本上构建和测试我们提出的识别系统。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：