Trans-Net:基于迁移学习的手写简笔画识别
2021-02-04姚可欣曹卫群
计算机工程与应用 2021年3期
关键词:模型
姚可欣,曹卫群
北京林业大学 信息学院,北京100087
随着微电子及其相关技术的飞速发展,触屏电子设备和数位板已逐渐在人们的生活中普及,如图1 所示,触屏输入的方式极大地提高了生产生活的便利性。其中,手写输入这一传统的输入方式也逐渐应用在触屏电子设备上。手写输入识别包含文字的识别和图像的识别,由于文字的结构以及书写顺序相对固定,目前的方法已经能够取得较高的识别率。而手绘草图虽然也有相对固定的结构特征,但是并没有固定的绘制顺序,此外草图中丰富的语义信息往往增加了识别的难度,因此手绘草图的识别越来越受到研究者们的重视。

图1 丰富的触屏电子设备
目前,手绘草图的识别方法可归为两大类,传统的方法是基于草图本身的结构特征,首先使用特定的算法对手绘草图对象的结构特征进行分析和归纳,并将分析的结果与预设好的规则库模版进行匹配来进行识别,比如几何图形组合识别法[1-2]、笔序趋向一致性的特征识别法[3]、在线草图规整化的识别方法[4]、草图分割分段识别方法[5]等等。这类方法的优点是不需要通过训练大量的数据集来生成分类器,因此传统方法的识别速率都比较高,但是也存在一定的局限性:其一是当草图对象形状不规则或是结构较为复杂时,很难通过分析归纳的方法提取结构特征,这往往会导致算法识别准确率大大地降低;此外,用于匹配的规则库一般需要遵循一定的要求进行迭代更新,当分类识别数较大时就很难匹配到对应的规则模版。……
登录APP查看全文
