从角色候选人使用什么功能

Question

我部分实施the Stroke Width Transform algorithm。 我的实现是丑陋的，但有些作品

我的实现给了我很多候选人（我使用一些规则来过滤它们）。但我仍然有很多非角色的候选人。 我想用神经网络（或其他ML算法）来过滤它们。

我应该为我的分类器使用什么功能？

我可以提取mean/std（组件的SW值）和宽度/高度。

实施例：

红色矩形是字符候选 （实施不检测光上暗的字符，坏检测“路虎”是正常的）分量滤波后 SWT图像这是一个在实践中

Answer 1

神经网络和其他技术如SVM不用于过滤输入，而是用于分类输入。不同之处在于，过滤将基于它们是否匹配强加的规则而丢弃输入，因此它实际上不需要任何培训（更可能是几个良好的阈值）。另一方面，A /训练/分类器为给定输入分配一个类，这意味着您需要充分训练具有预期类别和负样本的分类器。所以如果你想要做前者或后者，这些方法会有所不同，但是你在前者中使用的特征对于后面的功能可能也是有用的。

对于你采取的任何路径，一些基本的预处理包括首先得到一个更清晰的组件，我的意思是去除组件中存在的无关白点。之后，有很多选项可用。基本的宽度和高度测量可用于过滤那些确定与您的期望不符的组件，因此无需对它进行分类。通过考虑连接组件的骨架，您可以获得形成两个特征的端点和分支点。欧拉编号是另一个，事实上，在这里列出所有可能的特征将被提取出来。这些特征的特点是它们都是规模，旋转和平移不变的。这也意味着你需要另一个特征来区分9和6，骨架中的孔的质心将是一个这样的例子（只要注意它，因为直接提取这个特征并不是不变的任何东西）。

请注意，即使简单的功能可以帮助分离整个字符集。例如，对于欧拉数= 0，只会得到'A'，'D'，'O'，'P'，'Q'，'R'，'0'，'4'，'6'，或'9'，假设ascii alphanum，表现良好的字体以及对输入的良好预处理。

最后，除了SWT以外，还有相当多的论文寻找更多的信息和不同的方法。例如，T-HOG是最近的一个，根据公布的结果，它比SWT略好。

编辑：恢复和扩大：

如果你想使用机器学习，你需要从中你可以单独进行训练和测试标记数据的良好屈指可数。如果你的目的只是将“这是一个角色”与“这不是一个角色”区分开来，而后一类没有充分描述（即你没有什么不是一个角色的例子，或者你不能把它描述为您可以接收任何类型的输入），One-Class SVM是一种选择。

如前所述，要从单个字符中提取要素，其中有太多的方法和方法。文章“字符识别的特征提取方法 - 一项调查”（1995年，根本不是最近）讨论了其中的一些（它也提到了预期的最小规模的培训数据，一定要阅读它），所以我包括部分内容在这里。

大概好等特点，从字符提取（包括灰度和二进制图像）：

• 胡赖斯，Flusser，苏克，Bamieh，菲格雷多矩（基于改进所有几何矩不变量Hu在“矩不变式视觉模式识别”中的初步工作）;
• Zernike矩

好特征以从骨架字符提取：

• T型接头的数量;
• X型接头的数量;
• 弯曲点数量;
• 终点数量;
• 通过将原点放置在形状的质心中与轴的交点数;
• 编号半圆

傅立叶描述符也可以在任一骨架，二进制表示，或作为在所提到的本文所讨论的字符的图形表示施加。

Answer 2

一种方法是只缩放所有考生一样尺寸（宽度x高度），然后将每个像素输入到神经网络中。

然后，您将为每个字符输出一个值（在0和1之间返回，表示匹配有多接近）（可能还有最后一个输出表示不匹配，尽管这可能是由于没有明确的候选项字符）。

对于神经网络，您将需要相当多的训练数据，这只是它的方式。选项以避免手动获取所需的训练数据：

• 查找训练数据在线
• 算法生成的训练数据（创建一个算法来绘制人物和背景，并将其送入NN）上
• 执行转换已经获得了训练数据（旋转，调整大小，更改颜色）。这可以使一个相当小的训练集相当大一点。请确保不要尝试以这种方式产生太大比例的数据，否则您的网络可能无法正常运行。