文献

J-GLOBAL ID：202002212513516597   整理番号：20A0873414

手書き公式シンボル認識のための結合訓練による多特徴学習【JST・京大機械翻訳】

Multi-Feature Learning by Joint Training for Handwritten Formula Symbol Recognition

著者 (2件)： Fang Dingbang (School of Information Science and Engineering, Huaqiao University, Xiamen, China) ,  Zhang Chenhao (School of Computer, Central China Normal University, Wuhan, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 48101-48109  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 手書きの公式記号と様々な手書きスタイルの類似性を与えて,本論文は,手書き公式記号の認識率を改善するために,スクイーズ抽出多特徴畳込みニューラルネットワーク(SE-MCNN)を提案した。本論文で提案したシステムは畳込み層における元のシーケンスの8方向特徴を統合し,手書き公式記号における失われた動的軌道情報を有意に補償する。一方,共同損失を構築し,教師つき学習の方法における特徴の識別可能性を改善し,クラス間差を拡大し,内部クラス類似性を減少させた。オンライン手書き数学表現(CROHME)の認識に関する競争機構によって提供された標準的数学的公式記号ライブラリを用いて,この提案アルゴリズムの有効性を確かめた。実験により,提案したSE-MCNNアプローチは,データの増大を用いることなく,最新の方法よりも性能が優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  有効性 ,  教師つき学習 ,  アルゴリズム ,  類似性
準シソーラス用語： オンライン ,  畳込みニューラルネットワーク ,  スクイーズ ,  認識率 ,  *手書き , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 手書き ,  シンボル認識 ,  訓練 ,  学習