PulseAugur
实时 07:19:02

基于分词和数据增强的笔迹识别得到提升

研究人员研究了两种提高基于IMU的在线手写识别的策略:子词分词和数据增强。在OnHW-Words500数据集上的实验表明,二元分词通过提高对未见书写风格的泛化能力,能有效降低词错误率。然而,对于依赖特定书写者的任务,分词被证明是有害的。相比之下,基于连接的数据增强显著降低了字符和词错误率,其性能优于扩展训练,并能有效解决书写者内部分布稀疏性问题。 AI

影响 这项研究提供了提高手写识别系统准确性和泛化能力的方法,可能影响需要实时输入解释的应用。

排序理由 学术论文,详细介绍了改进特定AI任务方法的系统研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于分词和数据增强的笔迹识别得到提升

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jindong Li, Dario Zanca, Vincent Christlein, Tim Hamann, Jens Barth, Peter K\"ampf, Bj\"orn Eskofier ·

    Tokenization vs. Augmentation: A Systematic Study of Writer Variance in IMU-Based Online Handwriting Recognition

    arXiv:2603.16883v2 Announce Type: replace-cross Abstract: Inertial measurement unit-based online handwriting recognition enables the recognition of input signals collected across different writing surfaces but remains challenged by uneven character distributions and inter-writer …