基于CNN-ISVM的跨领域书写人自适应手写识别

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：张墨逸;叶洪昶;袁小芳;陈海燕

摘要：用户书写风格、字形、笔迹、书写方式等方面都会存在差异,使手写识别应用具有特异性、小样本和多样式的特点,普适性的模型很难满足,必须在手写过程中对特定用户的书写进行自适应学习,使模型更好地服务于人们的个性化需求。针对此问题,研究者提出基于 CNN-ISVM 的跨领域书写人自适应手写识别方法,灵活地调整普适化模型,进行个性化的手写识别。 在构造通用模型时,利用 CNN 作为特征提取器,对图像进行特征学习和提取,将提取的特征输入到 SVM 中进行分类。 自适应手写识别时,引入基于错分样本触发的 ISVM 增量学习方法,使用增量样本和保存好的支持向量集对模型在线学习和更新。 在实验中,当源域由静态手写图片组成,目标域为 2 组空写数据集时,每类别增量 5 张样本,识别率分别达到 92. 8% 、90. 42% 。 该方法简单易行,可以在目标域每类样本数据只有 1 张增量样本的情况下进行跨领域书写人自适应学习,与其它方法相比,识别率有较明显的提升。

关键词：手写识别;书写人自适应;领域自适应;增量学习;卷积神经网络;支持向量机