Recognition of Handwritten Chinese Text by Segmentation: A Segment-annotation-free Approach

要約

オンラインおよびオフラインの手書きの中国語テキスト認識 (HTCR) は、何十年にもわたって研究されてきました。
初期の方法は、オーバーセグメンテーション ベースの戦略を採用していましたが、速度が遅く、精度が不十分で、文字セグメンテーション アノテーションのコストが高いという問題がありました。
最近、コネクショニスト時間分類 (CTC) と注意メカニズムに基づくセグメンテーションのない方法が、HCTR の分野を支配しています。
ただし、実際には、特に中国語などの表意文字の場合、テキストは 1 文字ずつ読みます。
ここで疑問が生じます: セグメンテーションのない戦略は本当に HCTR に対する最善の解決策なのでしょうか?
この問題を調査するために、シンプルでありながら効率的な完全な畳み込みネットワークを使用して実装された、手書きの中国語テキストを認識するための新しいセグメンテーションベースの方法を提案します。
トランスクリプト注釈のみを使用してネットワークをトレーニングできるようにするために、新しい弱教師付き学習方法が提案されています。
したがって、以前のセグメンテーションベースの方法で必要だった高価な文字セグメンテーション アノテーションを回避できます。
完全な畳み込みネットワークにはコンテキスト モデリングがないため、トレーニング段階でコンテキスト情報をネットワークに統合するためのコンテキスト正則化方法を提案します。これにより、認識パフォーマンスをさらに向上させることができます。
広く使用されている 4 つのベンチマーク、すなわち CASIA-HWDB、CASIA-OLHWDB、ICDAR2013、および SCUT-HCCDoc で実施された広範な実験では、オンラインとオフラインの両方の HCTR で既存の方法を大幅に上回り、CTC/よりもかなり高い推論速度を示すことが示されています。
注意ベースのアプローチ。

要約(オリジナル)

Online and offline handwritten Chinese text recognition (HTCR) has been studied for decades. Early methods adopted oversegmentation-based strategies but suffered from low speed, insufficient accuracy, and high cost of character segmentation annotations. Recently, segmentation-free methods based on connectionist temporal classification (CTC) and attention mechanism, have dominated the field of HCTR. However, people actually read text character by character, especially for ideograms such as Chinese. This raises the question: are segmentation-free strategies really the best solution to HCTR? To explore this issue, we propose a new segmentation-based method for recognizing handwritten Chinese text that is implemented using a simple yet efficient fully convolutional network. A novel weakly supervised learning method is proposed to enable the network to be trained using only transcript annotations; thus, the expensive character segmentation annotations required by previous segmentation-based methods can be avoided. Owing to the lack of context modeling in fully convolutional networks, we propose a contextual regularization method to integrate contextual information into the network during the training stage, which can further improve the recognition performance. Extensive experiments conducted on four widely used benchmarks, namely CASIA-HWDB, CASIA-OLHWDB, ICDAR2013, and SCUT-HCCDoc, show that our method significantly surpasses existing methods on both online and offline HCTR, and exhibits a considerably higher inference speed than CTC/attention-based approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google