以長短期記憶模型進行筆寫單字辨識

On-Pen Handwritten Word Recognition Using Long Short-Term Memory Model

卓訓發(Hsun-Fa Cho)

指導教授 ： 周百祥

國立清華大學/電機資訊學院/資訊工程學系所/碩士(2018年)

摘要

近年來，因穿戴式裝置的流行，基於動作感測的手寫辨識研究越來越多，例如空中手寫、智慧筆等等，但是能達到實用水平的應用卻很少。受限於感測器的限制、連續動作的分割難度這些問題，手寫動作辨識很難做有效率的文字輸入。在這篇論文中，我們提出了一種安裝在筆上的新型硬體裝置，搭配以長短期記憶模型(LSTM)為核心的辨識系統，讓使用者能夠用任何他們想拿來寫字的筆，作為一個有效率的文字輸入介面。

關鍵字

嵌入式系統 ； 筆寫辨識 ； 手勢辨識 ； 深度學習 ； 連續資料分段 ； 長短期記憶模型

並列摘要

This thesis describes a system for text input from handwriting using a
conventional pen with a clip-on sensing unit. The clip-on unit is a
wireless sensor node that collects data from a triaxial accelerometer and a triaxial gyroscope and transmits it to a conventional personal computer. The host computer then performs segmentation to handle continuous handwriting, followed by LSTM-based classification. Moreover, we use a lexicon-based corrector to increase the accuracy. Experimental results show our proposed system to achieve good accuracy and reasonable latency for interactive use.

並列關鍵字

embedded system ； op-pen handwritten recognition ； gesture recognition ； deep learning ； segmentation of continuous data ； long short-term memory model

參考文獻

[1] T. F. Gao and C. L. Liu, “High accuracy hand written Chinese character recognition using LDAbased

compound distances,” Pattern Recognition, vol. 41, pp. 3442–3451, 2008.

[2] R. Ebrahimzadeh and M. Jampour, “Efficient handwritten digit recognition based on histogram

of oriented gradients and SVM,” International Journal of Computer Applications, vol. 104,

2014.