論文の概要: Digitizing Handwriting with a Sensor Pen: A Writer-Independent
Recognizer
- arxiv url: http://arxiv.org/abs/2107.03704v1
- Date: Thu, 8 Jul 2021 09:25:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 19:01:57.873178
- Title: Digitizing Handwriting with a Sensor Pen: A Writer-Independent
Recognizer
- Title(参考訳): センサペンによる手書き文字のデジタル化 : 書き手非依存認識装置
- Authors: Mohamad Wehbi, Tim Hamann, Jens Barth, Bjoern Eskofier
- Abstract要約: 本稿では,センサ付ペンを用いて,平紙に書かれた文字を認識できる文字非依存システムを提案する。
ペンは、ユーザーが印加した線形加速度、角速度、磁場、力を提供し、通常の紙に書きながらセンサーのアナログ信号を時間データに変換するディジタイザとして機能する。
本稿では,文字分類のための畳み込みニューラルネットワークモデルの結果を述べるとともに,本手法が実用的であり,文字に依存しない文字認識において有望な結果が得られることを示す。
- 参考スコア(独自算出の注目度): 0.2580765958706854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online handwriting recognition has been studied for a long time with only few
practicable results when writing on normal paper. Previous approaches using
sensor-based devices encountered problems that limited the usage of the
developed systems in real-world applications. This paper presents a
writer-independent system that recognizes characters written on plain paper
with the use of a sensor-equipped pen. This system is applicable in real-world
applications and requires no user-specific training for recognition. The pen
provides linear acceleration, angular velocity, magnetic field, and force
applied by the user, and acts as a digitizer that transforms the analogue
signals of the sensors into timeseries data while writing on regular paper. The
dataset we collected with this pen consists of Latin lower-case and upper-case
alphabets. We present the results of a convolutional neural network model for
letter classification and show that this approach is practical and achieves
promising results for writer-independent character recognition. This work aims
at providing a realtime handwriting recognition system to be used for writing
on normal paper.
- Abstract(参考訳): オンライン手書き文字認識は, 通常の紙に書き込む際の実践的な結果はほとんど得られていない。
センサベースのデバイスを使った従来のアプローチは、現実世界のアプリケーションで開発されたシステムの使用を制限する問題に遭遇した。
本稿では,センサ付ペンを用いて平紙に書かれた文字を認識する文字非依存システムを提案する。
このシステムは現実世界のアプリケーションに適用でき、認識のためのユーザ固有のトレーニングは不要である。
このペンは、ユーザが使用する直線加速度、角速度、磁場、力を提供し、通常の紙に書きながらセンサーのアナログ信号を時系列データに変換するデジタイザとして機能する。
このペンで収集したデータセットは、ラテン文字の下文字と上文字からなる。
本稿では,文字分類のための畳み込みニューラルネットワークモデルの結果を示し,このアプローチが実用的であり,文字認識に有望な結果が得られることを示す。
本研究の目的は,通常の紙に書き込むためのリアルタイム手書き認識システムを提供することである。
関連論文リスト
- Sampling and Ranking for Digital Ink Generation on a tight computational
budget [69.15275423815461]
トレーニングされたデジタルインク生成モデルの出力品質を最大化する方法について検討する。
我々は、デジタルインク領域におけるその種類に関する最初のアブレーション研究において、複数のサンプリングとランキング手法の効果を使用、比較する。
論文 参考訳(メタデータ) (2023-06-02T09:55:15Z) - Benchmarking Online Sequence-to-Sequence and Character-based Handwriting
Recognition from IMU-Enhanced Pens [2.840092825973023]
本稿では,リアルタイムシーケンス・ツー・シーケンス学習と単一文字認識のためのデータとベンチマークモデルを提案する。
データは、センサーによって強化されたボールペン、加速度計、磁力計、100Hzの力センサーによって記録される。
著者に依存したタスクの両方に対する方程式や単語を含む様々なデータセットを提案する。
論文 参考訳(メタデータ) (2022-02-14T20:55:33Z) - Letter-level Online Writer Identification [86.13203975836556]
我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。
主な課題は、しばしば異なるスタイルで手紙を書くことである。
我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
論文 参考訳(メタデータ) (2021-12-06T07:21:53Z) - Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。
従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。
そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
論文 参考訳(メタデータ) (2021-11-04T04:39:02Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳(メタデータ) (2021-09-12T19:33:34Z) - Handwritten Digit Recognition using Machine and Deep Learning Algorithms [0.0]
我々は,MNISTデータセットを用いて,Support Vector Machines (SVM), Multi-Layer Perceptron (MLP), Convolution Neural Network (CNN)モデルを用いて手書き桁認識を行った。
我々の主な目的は、上述したモデルの精度と実行時間を比較して、桁認識に最適なモデルを得ることである。
論文 参考訳(メタデータ) (2021-06-23T18:23:01Z) - Towards an IMU-based Pen Online Handwriting Recognizer [2.6707647984082357]
慣性測定単位(IMU)に基づく音声認識のためのオンライン手書き認識システムを提案する。
これは、加速度、角速度、およびBluetooth経由で流れる磁力を提供するセンサー付きペンによって得られる。
本モデルは畳み込み型LSTMネットワークと双方向型LSTMネットワークを組み合わせることで,コネクショナリストの時間的分類損失をトレーニングする。
論文 参考訳(メタデータ) (2021-05-26T09:47:19Z) - SmartPatch: Improving Handwritten Word Imitation with Patch
Discriminators [67.54204685189255]
本稿では,現在の最先端手法の性能を向上させる新手法であるSmartPatchを提案する。
我々は、よく知られたパッチ損失と、平行訓練された手書きテキスト認識システムから収集された情報を組み合わせる。
これにより、より強化された局所識別器が実現し、より現実的で高品質な手書き文字が生成される。
論文 参考訳(メタデータ) (2021-05-21T18:34:21Z) - Interpretable Distance Metric Learning for Handwritten Chinese Character
Recognition [8.233701182710035]
手書き漢字認識のための解釈可能な距離距離距離学習手法を提案する。
ベンチマークデータセットにおける実験結果は,提案手法の効率,正確性,解釈性に優れることを示す。
論文 参考訳(メタデータ) (2021-03-17T15:17:02Z) - Skeleton Based Sign Language Recognition Using Whole-body Keypoints [71.97020373520922]
手話は聴覚障害者や言語障害者のコミュニケーションに使用される。
また,RGB-D法と組み合わせて最先端の性能を実現することで,Skeletonに基づく音声認識が普及しつつある。
近年のボディポーズ推定用citejin 2020wholeの開発に触発されて,全身キーポイントと特徴に基づく手話認識を提案する。
論文 参考訳(メタデータ) (2021-03-16T03:38:17Z) - Motion-Based Handwriting Recognition [1.0742675209112622]
モーションセンサを備えたスタイラスをデザインし,ジャイロスコープと加速度センサによる読み出しを利用して文字分類を行う。
また、さまざまなデータ増強技術とその効果を探索し、最大86%の精度に達します。
論文 参考訳(メタデータ) (2021-01-15T09:14:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。