使用HMM進行離線字符識別

Question

我已經從許多孤立字符圖像中提取了特徵（如漸變，相鄰像素權重和幾何特性）。我如何使用HMM作爲訓練此數據的分類器？我閱讀的關於HMM的所有文獻指的是狀態和狀態轉換，但是我不能將它連接到特徵和類標籤上.JAHMM主頁上的例子並不涉及我的問題。 我需要使用HMM並不是因爲它比其他方法更好用問題，但由於項目主題的限制。

有一個答案this在線識別的問題，但我想離線和在一個更詳細的

編輯：我將每個字符劃分成具有固定數量的正方形的網格。現在我正計劃對每個網格塊執行特徵提取，從而通過從左到右和從上到下移動來獲取每個樣本的一系列特徵。

1. 這是否代表了一個HMM，即充足的「序列」將一個HMM能夠猜到數據的時間變化，即使字符不是繪製從左至右，從上到下？如果不是建議一種替代方式。

2. 我應該喂很多功能還是從幾個開始？我怎麼知道HMM是否正在降級，或者如果這些功能不好？我正在使用JAHMM。

3. 提取中風特徵很困難，不能在邏輯上與網格特徵相結合？ （因爲HMM預計由一些隨機處理而生成的序列）

Answer 1

我通常已經看到用於這種識別任務的神經網絡即hereherehere，和here，。由於一個簡單的谷歌搜索在OCR中爲神經網絡提供瞭如此多的命中，我假定你使用HMMs（項目限制，正確？）無論如何，這些鏈接可以提供一些洞察網格化圖像和獲取圖像特徵。

將網格轉換爲觀察序列的方法是合理的。在這種情況下，請確保您不會混淆觀察和狀態。您從一個塊中提取的特徵應該收集到一個觀察中，即特徵向量。 （與語音識別相比，塊的特徵向量類似於與語音音素關聯的特徵向量。）關於基礎狀態的信息並不多。這是HMM隱藏的方面，訓練過程應該告訴模型一個特徵向量對於一個字符（即轉換概率）有多大可能跟隨另一個特徵向量。

由於這是一個脫機過程，因此不要關注字符如何繪製的時間方面。爲了您的任務的目的，您使用從左到右，從上到下的塊序列對觀測序列施加了時間順序。這應該很好。

至於HMM性能：選擇一個合理的顯着特徵向量。在語音識別中，特徵向量的維度可以高（> 10）。 （這也是引用的文獻可以提供幫助的地方。）預留一定比例的訓練數據，以便您可以正確測試模型。首先，訓練模型，然後在訓練數據集上評估模型。分類你的角色有多好？如果效果不佳，請重新評估特徵向量。如果它在測試數據上表現良好，請通過在保留的測試數據上運行分類器來測試分類器的一般性。

至於狀態的數量，我會從啓發式派生數字開始。假設你的角色圖像被縮放和規格化，可能有40％（？）的塊被佔用了？由於沒有提供源圖像，這是我粗略的猜測。對於8x8的網格，這意味着有25個塊被佔用。然後，我們可以從25個州開始 - 但這可能很幼稚：空塊可以傳遞信息（意味着狀態的數量可能會增加），但是某些特徵集可能在類似狀態下被觀察到（意味着狀態的數量可能會減少）。是我，我可能會選擇20個州。話雖如此：小心不要混淆特徵和狀態。您的特徵向量是在特定狀態下觀察到的事物的表示。如果上述測試顯示您的模型表現不佳，請調整狀態數量，然後重試。

祝你好運。