逐符号手写识别的算法是什么？

Question

我认为有一些算法可以评估绘制符号与预期符号之间的差异，或类似的东西。任何帮助将不胜感激：））

Answer 1

您可以实现简单的神经网络来识别手写数字。最简单的实现类型是通过反向传播训练的前馈网络（可以随机训练或以批处理模式训练）。您可以对反向传播算法进行一些改进，这将有助于您的神经网络更快地学习（动量，席尔瓦和阿尔梅达的算法，模拟退火）。

就查看真实符号和预期图像之间的差异而言，我见过的一种算法是k-nearest-neighbor algorithm。 Here是一篇描述使用 k - 最近邻算法进行字符识别的文章（编辑：我之前的链接错误。我提供的链接要求你支付报酬;我正在努力寻找论文的免费版本。

如果您使用神经网络识别您的角色，所涉及的步骤将是：

1. 使用适当的训练算法设计神经网络。我建议从最简单的（随机反向传播）开始，然后根据需要改进算法，同时训练你的网络。
2. 获取良好的培训数据样本。对于识别手写数字的神经网络，我使用了MNIST database。
3. 将训练数据转换为神经网络的输入向量。对于MNIST数据，您需要对图像进行二值化。我使用了128的阈值。我从Otsu's method开始，但这并没有给我我想要的结果。
4. 创建您的网络。由于来自MNIST的图像以28x28的数组形式出现，因此您的神经网络具有784个分量和1个偏差（因此785个输入）的输入向量。我使用了一个隐藏层，其中节点的数量根据guidelines outlined here设置（以及偏差）。您的输出向量将包含10个组件（每个数字一个）。
5. 随机向您的网络提供训练数据（如此随机排列的数字，每个数字随机输入图像）并对其进行训练，直至达到所需的错误级别。
6. 针对您的神经网络运行测试数据（MNIST数据也附带此信息）以验证它是否正确识别数字。

您可以查看尝试识别手写数字的示例here（无耻插件）。我使用来自MNIST的数据训练了网络。

如果你决定走这条路，那么期待花一些时间让自己加快神经网络的概念。在我真正理解这个概念之前，我花了至少3-4天的时间阅读和编写代码。一个好的资源是heatonresearch.com。我建议首先尝试实现神经网络来模拟AND，OR和XOR布尔运算（使用阈值激活函数）。这应该让您了解基本概念。当它真正归结为训练你的网络时，你可以尝试训练一个识别XOR布尔运算符的神经网络;这是开始学习算法的好地方。

在构建神经网络时，您可以使用Encog之类的现有框架，但我发现自己构建网络要更加令人满意（您可以通过我的方式了解更多）。如果您想查看某些来源，可以查看我在github（无耻插件）上的项目，该项目包含一些Java基础类，可帮助您构建和训练简单的神经-networks。

祝你好运！

修改

我发现了一些使用 k - 最近邻居进行数字和/或字符识别的来源：

• Bangla Basic Character Recognition Using Digital Curvelet Transform（一个曲线的系数 原始图像及其形态修改版本用于训练单独的k- 最近邻分类器。这些分类器的输出值使用简单的融合 多数投票计划以达成最终决定。）
• The Homepage of Nearest Neighbors and Similarity Search
• Fast and Accurate Handwritten Character Recognition using Approximate Nearest Neighbors Search on Large Databases
• Nearest Neighbor Retrieval and Classification

对于神经网络的资源，我发现以下链接很有用：

• CS-449: Neural Networks
• Artificial Neural Networks: A neural network tutorial
• An introduction to neural networks
• Neural Networks with Java
• Introduction to backpropagation Neural Networks
• Momentum and Learning Rate Adaptation（此页面介绍了标准反向传播算法的一些增强功能，可以加快学习速度）

Answer 2

的附录 的

如果您尚未实施机器学习算法，请务必查看：www.ml-class.org

这是斯坦福机器学习中心主任Andrew Ng教授的免费课程。该课程是一门完全在线授课的课程，专门用于实施各种机器学习算法。它不会过多地涉及算法的理论复杂性，而是教你如何选择，实现，使用算法以及如何诊断它们的性能。 - 它的独特之处在于自动检查算法的实现！这对于开始机器学习很有帮助，因为你有即时反馈。

该课程还包括至少两个关于识别手写数字的练习。 （编程练习3：使用多项式分类和编程练习4：使用前馈神经网络）

该课程已经开始了一段时间，但它仍然可以注册。如果没有，新的运行应该在明年初开始。如果您希望能够检查您的实施，则需要注册“高级跟踪”。

实现手写识别的一种方法

这个问题的答案取决于许多因素，包括你拥有什么样的资源限制（嵌入式平台）以及你是否有一个好的正确标记符号库：即你知道的手写字母的不同例子他们代表什么信。

如果你有一个像样的大小库，那么快速而肮脏的标准机器学习算法的实现可能就是你要走的路。您可以使用多项分类器，神经网络或支持向量机。

我相信支持向量机的实施速度最快，因为有很好的库可以为你处理代码的机器学习部分，例如： libSVM。如果您熟悉使用机器学习算法，则执行时间不到30分钟。

您可能希望实施的基本程序如下：

了解“看起来像”的符号

1. 对图书馆中的图片进行二值化。
2. 将图像展开为矢量/ 1-D数组。
3. 将库中图像的“矢量表示”及其标签传递给libSVM，以使其了解像素覆盖与图像库中图像的表示符号的关系。
4. 该算法为您提供了一组模型参数，用于描述所学习的识别算法。

您应该为要识别的每个字符重复1-4，以获得一组适当的模型参数。

注意：步骤1-4您只需为您的库执行一次（但对于您想要识别的每个符号，只需执行一次）。您可以在开发人员计算机上执行此操作，并仅在您发布/分发的代码中包含参数。

如果您想识别符号：

每组模型参数都描述了一种算法，该算法测试一个角色是否代表一个特定角色。通过使用当前符号测试所有模型，然后选择最适合您正在测试的符号的模型，“识别”一个角色。

通过再次将模型参数和符号传递给展开的SVM库来完成此测试，该库将返回测试模型的拟合优度。

Answer 3

你检查过Detexify吗？我认为它几乎可以满足您的需求 http://detexify.kirelabs.org/classify.html

它是开源的，所以你可以看看它是如何实现的。 你可以从这里得到代码（如果我不记错了，它在Haskell中） https://github.com/kirel/detexify-hs-backend

特别是你要找的是Sim.hs

我希望它有所帮助