所以我要做的就是把手写的英文草书单词分割成单独的字符。我在人工智能中应用了一种简单的启发式方法,对单词进行了基本的过度分割,如下所示:

我正在用Matlab对此进行编码。该方法包括预处理、倾斜校正大小归一化等,然后将笔画细化到1像素宽度,并使用图像的像素列和来识别图像中存在的连字。像素和低于阈值的每一列都是可能的分割点。问题是,像“u”,“v”,“m”,“n”和“w”这样的开放字符也具有较低的像素列和,并被分割。我使用的方法是本文中介绍的方法的修改版本:
cursive script segmentation using neural networks.
现在为了改进这种安排,我必须使用神经网络来纠正这些分割点,并将它们识别为糟糕的分割。我将为此编写一个'newff‘函数,并手动将分段标记为良好和基本,但我无法理解该神经网络的输入应该是什么?
我的猜测是,我们必须提供一些图像数据以及可能进行分段的列号(每个训练样本一个分割点。给定的图像有大约40个分割点,因此它将导致40个训练样本),并将其标记为用于训练的好或坏片段。
将只有一个输出神经元告诉我们分割点是好是坏。
我可以给出所有列的列和作为输入层的输入吗?我如何告诉它这个训练实例的分割点是什么?我们必须分类为好的或坏的段的实际列数,这是这里最重要的值,不会淹没在n维输入的海洋中吗?(n是图像的像素宽度)
发布于 2016-05-07 05:39:58
由于上次被问到,我现在使用启发式算法返回的每个分段列附近的图像特征。这些特征(如靠近分段列的列和像素密度)是我对具有单个输出神经元的神经网络的输入。对于好的分割点,目标向量为1,对于坏的分割点,目标向量为0。
https://stackoverflow.com/questions/36977893
复制相似问题