論文の概要: Graph Neural Network based Handwritten Trajectories Recognition

• arxiv url: http://arxiv.org/abs/2405.09247v1
• Date: Wed, 15 May 2024 11:00:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 13:46:20.083865
• Title: Graph Neural Network based Handwritten Trajectories Recognition
• Title（参考訳）: グラフニューラルネットワークを用いた手書き軌道認識
• Authors: Anuj Sharma, Sukhdeep Singh, S Ratna,
• Abstract要約: この研究は、チェーンコードとグラフニューラルネットワークを併用した手書きトラジェクトリの新たな組み合わせを初めて提示する。 オフライン手書きテキスト用手書きトラジェクトリは描画順序の回復を用いて評価され、オンライン手書きトラジェクトリはチェーンコードで直接使用される。
• 参考スコア（独自算出の注目度）: 4.318047857743103
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The graph neural networks has been proved to be an efficient machine learning technique in real life applications. The handwritten recognition is one of the useful area in real life use where both offline and online handwriting recognition are required. The chain code as feature extraction technique has shown significant results in literature and we have been able to use chain codes with graph neural networks. To the best of our knowledge, this work presents first time a novel combination of handwritten trajectories features as chain codes and graph neural networks together. The handwritten trajectories for offline handwritten text has been evaluated using recovery of drawing order, whereas online handwritten trajectories are directly used with chain codes. Our results prove that present combination surpass previous results and minimize error rate in few epochs only.
• Abstract（参考訳）: グラフニューラルネットワークは、現実の応用において効率的な機械学習技術であることが証明されている。 手書き文字認識は、オフラインとオンラインの両方の筆跡認識を必要とする実生活で有用な領域の1つである。 特徴抽出技術としての連鎖符号は文献で顕著な結果を示し、我々はグラフニューラルネットワークを用いて連鎖符号を利用できる。 我々の知る限り、この研究は、チェーンコードやグラフニューラルネットワークといった手書きトラジェクトリの新たな組み合わせを初めて提示する。 オフライン手書きテキスト用手書きトラジェクトリは描画順序の回復を用いて評価され、オンライン手書きトラジェクトリはチェーンコードで直接使用される。 以上の結果から, 既往の結果を超越し, 誤り率を最小化できる可能性が示唆された。

関連論文リスト

• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Generative Graph Neural Networks for Link Prediction [13.643916060589463]
  欠落したリンクを推測したり、観測されたグラフに基づいて急激なリンクを検出することは、グラフデータ分析における長年の課題である。 本稿では,GraphLPと呼ばれるネットワーク再構成理論に基づく,新しい,根本的に異なるリンク予測アルゴリズムを提案する。 リンク予測に使用される識別ニューラルネットワークモデルとは異なり、GraphLPは生成可能であり、ニューラルネットワークベースのリンク予測の新しいパラダイムを提供する。
  論文  参考訳（メタデータ） (2022-12-31T10:07:19Z)
• Neural Graph Matching for Pre-training Graph Neural Networks [72.32801428070749]
  グラフニューラルネットワーク(GNN)は、構造データのモデリングにおいて強力な能力を示している。 GMPTと呼ばれる新しいグラフマッチングベースのGNN事前学習フレームワークを提案する。 提案手法は,完全自己指導型プレトレーニングと粗粒型プレトレーニングに適用できる。
  論文  参考訳（メタデータ） (2022-03-03T09:53:53Z)
• TRACE: A Differentiable Approach to Line-level Stroke Recovery for Offline Handwritten Text [1.559929646151698]
  ストロークオーダーとベロシティは、署名検証、手書き認識、手書き合成の分野で有用な特徴である。 オフラインテキストの長い行から時間的ストローク情報を推測するTRACEと呼ばれる新しいモデルを提案する。 TRACEはおそらく、任意の幅のテキスト行全体に対してエンドツーエンドでトレーニングされた最初のシステムである。
  論文  参考訳（メタデータ） (2021-05-24T22:15:50Z)
• Promoting Graph Awareness in Linearized Graph-to-Text Generation [72.83863719868364]
  局所グラフ構造を符号化する線形化モデルの能力を検討する。 本研究は,モデルの暗黙のグラフ符号化の品質を高めるための解法である。 これらの消音足場は、低リソース設定における下流生成の大幅な改善につながることが分かりました。
  論文  参考訳（メタデータ） (2020-12-31T18:17:57Z)
• Online trajectory recovery from offline handwritten Japanese kanji characters [7.057916977441261]
  本稿では,大規模なオンライン手書きデータベースを用いて,回復作業を解決するディープニューラルネットワークに基づく手法を提案する。 提案手法の性能を視覚的検証と手書き文字認識の両方を用いて評価する。
  論文  参考訳（メタデータ） (2020-09-09T13:05:50Z)
• Directed hypergraph neural network [0.0]
  本稿では,指向性ハイパーグラフのための新しいニューラルネットワーク手法を提案する。 実験で使用される2つのデータセットは、coraとciteseerデータセットである。
  論文  参考訳（メタデータ） (2020-08-09T01:39:52Z)
• Learning to map source code to software vulnerability using code-as-a-graph [67.62847721118142]
  セキュリティの観点からソースコードのニュアンス学習におけるグラフニューラルネットワークの適用性について検討する。 我々は,既存のコード・アズ・フォトや線形シーケンスの符号化手法よりも,脆弱性検出に有効なコード・アズ・グラフの符号化法を示す。
  論文  参考訳（メタデータ） (2020-06-15T16:05:27Z)
• Geometrically Principled Connections in Graph Neural Networks [66.51286736506658]
  我々は、幾何学的深層学習の新興分野におけるイノベーションの原動力は、幾何が依然として主要な推進力であるべきだと論じている。 グラフニューラルネットワークとコンピュータグラフィックスとデータ近似モデルとの関係:放射基底関数(RBF) 完全連結層とグラフ畳み込み演算子を組み合わせた新しいビルディングブロックであるアフィンスキップ接続を導入する。
  論文  参考訳（メタデータ） (2020-04-06T13:25:46Z)

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。