Attention based End to end network for Offline Writer Identification on Word level data

由于其在各个领域的广泛应用，笔迹识别技术近年来越来越受欢迎。在有足够的手写样本（无论是一行、一句还是整页）的情况下，笔迹识别算法已经展示出了显著的准确性。然而，在只有有限数量手写样本（尤其是以单词图像的形式）的情况下，仍有很大的提升空间。 本文提出了一种基于注意力驱动卷积神经网络（CNN）的笔迹识别系统。该系统利用从单词图像中提取的图像片段（称为碎片），采用金字塔策略进行训练。这种方法使系统能够捕捉到数据的全面表示，包括各种抽象层次上的细节和粗略特征。这些提取的碎片作为卷积网络的训练数据，使其能够学习比传统的基于卷积的网络在单词图像上训练更为稳健的表示。此外，本文探讨了整合注意力机制以增强所学特征的表示能力。该算法在三个基准数据库上进行了评估，证明了其在笔迹识别任务中的熟练程度，特别是在手写数据访问有限的情况下。

提出了一种基于注意力驱动的卷积神经网络的作者识别系统，旨在解决在仅有少量手写样本的情况下进行作者识别的问题。

使用金字塔策略提取单词图像中的片段作为训练数据，使卷积神经网络能够学习到更加鲁棒的特征表示，同时探索了注意力机制的整合以增强特征表示的能力。

论文在三个基准数据库上评估了所提出的算法的有效性，并展示了其在仅有少量手写数据的情况下进行作者识别的能力。

最近相关的研究包括“Writer Identification using Deep Features and SVM Classifier”，“A Deep Learning Framework for Writer Identification and Verification”，“Writer Identification and Verification using Convolutional Neural Network with Transfer Learning”。