Machine learning HMMs如何用于手写识别?
这个问题与传统的手写识别有点不同。我有一个数据集,它包含以下数千个数据集。对于一个绘制的字符,我有几个连续的Machine learning HMMs如何用于手写识别?,machine-learning,data-mining,hidden-markov-models,handwriting-recognition,Machine Learning,Data Mining,Hidden Markov Models,Handwriting Recognition,这个问题与传统的手写识别有点不同。我有一个数据集,它包含以下数千个数据集。对于一个绘制的字符,我有几个连续的(x,y)坐标,笔被按下的位置。因此,这是一个顺序(时间)问题 我希望能够根据这些数据对手写字符进行分类,并希望实现HMMs用于学习目的。但是,这是正确的方法吗?如何使用它们来执行此操作?此问题实际上是两个问题的混合: 从数据中识别一个字符 从(嘈杂的)字符序列中识别单词 HMM用于从噪声测量中找出有限个离散状态的最可能序列。这正是问题2,因为离散状态a-z,0-9的噪声测量以一个序列彼此
(x,y)
坐标,笔被按下的位置。因此,这是一个顺序(时间)问题
我希望能够根据这些数据对手写字符进行分类,并希望实现HMMs用于学习目的。但是,这是正确的方法吗?如何使用它们来执行此操作?此问题实际上是两个问题的混合:
就个人而言,我会从实现常规的最先进的手写识别开始,这已经非常好了(使用卷积神经网络或深度学习)。之后,您可以添加有关如何编写的信息,例如顺时针/逆时针。我认为HMM可以用于@jens提到的两个问题。我也在研究在线手写,HMM在很多文章中都有使用。最简单的方法如下:
这真是个有趣的主意。出于好奇,是每个点的时间坐标也被记录下来了(所以在毫秒1坐标30 x 45被按下),还是它们只是按顺序排列?目前只是顺序排列。我想做一些动态时间扭曲来解释角色画得慢/快的原因。我认为这是正确的方法。作为练习,你可以从识别字母表开始。