Chinese Handwriting Recognition: An Algorithmic Perspective

طراحی ماشین‌هایی که می‌توانند دستخط را مانند انسان بخوانند، یک هدف بلندپروازانه برای بیش از نیم قرن بوده است که محققان با استعداد را به کشف رویکردهای متنوع سوق می‌دهد. اغلب با موانعی مواجه شده‌اند که در ابتدا غیرقابل عبور به نظر می‌رسیدند، اما در واقع خیلی زود غلبه کردند. با این حال برخی از مسائل باز باقی مانده است که باید حل شود. به عنوان یک شاخه ضروری، تشخیص دست خط چینی به عنوان یکی از دشوارترین کارهای تشخیص الگو نامیده می شود. تشخیص دست خط چینی چالش های منحصر به فرد خود را ایجاد می کند، مانند تغییرات بسیار زیاد در سکته مغزی، تنوع سبک های نوشتاری، و مجموعه بزرگی از دسته بندی های گیج کننده. با داده‌های آموزشی روزافزون، محققان الگوریتم‌های پیچیده‌ای را برای تشخیص شخصیت‌های دسته‌های مختلف و جبران تغییرات نمونه در همان دسته دنبال کرده‌اند. در نتیجه، تشخیص دست خط چینی به طور قابل توجهی تکامل یافته است و می توان دستاوردهای شگفت انگیزی را مشاهده کرد. این کتاب الگوریتم های انتگرال مورد استفاده در تشخیص دست خط چینی و کاربردهای تشخیص دست خط چینی را معرفی می کند. بخش اول کتاب هم الگوریتم‌های متعارف گسترده به یک تشخیص‌دهنده قابل اعتماد و هم روش‌های مقیاس‌پذیر جدید توسعه‌یافته در تشخیص دست خط چینی را پوشش می‌دهد. تشخیص متن دست‌نویس چینی به‌طور سیستماتیک ارائه می‌شود، از جمله دستورالعمل‌های آموزنده برای جمع‌آوری نمونه‌ها، پارادایم‌های تشخیص بدیع، یادگیری متمایز توزیع‌شده مدل‌های ظاهری و تخمین توزیع‌شده مدل‌های زمینه‌ای برای دسته‌های بزرگ، علاوه بر روش‌های مشهور، به‌عنوان مثال. ویژگی های گرادیان، MQDF و HMM. در بخش دوم این کتاب، تلاش برای ایجاد یک رابط انسان و ماشین دوستانه تر از طریق استفاده از تشخیص دست خط چینی انجام شده است. چهار سناریو مثال می‌زند: ورودی به کمک شبکه، کوتاه‌ترین ورودی متحرک، میکرو بلاگ دست‌نویس و پیام‌رسان دست‌نویس فوری. در تمام این مدت، کتاب از رویکردهای اساسی به رویکردهای پیچیده تر حرکت می کند، همچنین فهرستی برای مطالعه بیشتر همراه با نظرات ادبیات ارائه می دهد.

Designing machines that can read handwriting like human beings has been an ambitious goal for more than half a century, driving talented researchers to explore diverse approaches. Obstacles have often been encountered that at first appeared insurmountable but were indeed overcome before long. Yet some open issues remain to be solved. As an indispensable branch, Chinese handwriting recognition has been termed as one of the most difficult Pattern Recognition tasks. Chinese handwriting recognition poses its own unique challenges, such as huge variations in strokes, diversity of writing styles, and a large set of confusable categories. With ever-increasing training data, researchers have pursued elaborate algorithms to discern characters from different categories and compensate for the sample variations within the same category. As a result, Chinese handwriting recognition has evolved substantially and amazing achievements can be seen. This book introduces integral algorithms used in Chinese handwriting recognition and the applications of Chinese handwriting recogniers. The first part of the book covers both widespread canonical algorithms to a reliable recognizer and newly developed scalable methods in Chinese handwriting recognition. The recognition of Chinese handwritten text is presented systematically, including instructive guidelines for collecting samples, novel recognition paradigms, distributed discriminative learning of appearance models and distributed estimation of contextual models for large categories, in addition to celebrated methods, e.g. Gradient features, MQDF and HMMs. In the second part of this book, endeavors are made to create a friendlier human-machine interface through application of Chinese handwriting recognition. Four scenarios are exemplified: grid-assisted input, shortest moving input, handwritten micro-blog, and instant handwriting messenger. All the while, the book moves from basic to more complex approaches, also providing a list for further reading with literature comments.