Zusammenfassung
Diese Arbeit beschreibt ein System zur Erkennung handgeschriebener kursiver Zahlwörter, welches aus drei Teilen besteht: einer Vorverarbeitung, einem Time Delay Neural Network und einem Hidden Markov Modell. Da der für das Training des neuronalen Netzes eingesetzte Backpropagation-Algorithmus Information über Einzelbuchstaben benötigt, Wörter jedoch sehr schwer zu segmentieren und zu markieren sind, wurde das positionsinvariante Lernen verwendet. Zur Verbesserung dieses Lernverfahrens wurde eine Methode entwickelt, welche Information über die Position der Buchstaben im Wort miteinbezieht. Die Ausgabe des neuronalen Netzes wird zum Schluss durch ein Hidden Markov Modell nachverarbeitet. Die Erkennungsrate des Systems auf der Wortebene konnte durch den Einbezug von Positionsinformation um 4% bis 5% verbessert werden und liegt zur Zeit bei etwa 87%. Als Alternative kann bei gleicher Erkennungsrate die Anzahl Trainingszyklen um 60% bis 75% reduziert werden. In Kombination mit einem ähnlichen System, welches zur Vektorquantisierung anstelle des Time Delay Neural Network einen Normalverteilungsklassifikator benutzt, wird eine Erkennungsrate von etwa 92% erzielt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
References
U. Bodenhausen, and S. Marke. Application oriented automatic structuring of time-delay neural networks for high performance character and speech recognition. ICANN-93, Proc. of the Int. Conf. on Artificial Neural Networks, Amsterdam, pp. 956–961, Springer Verlag, 1993.
T. M. Breuel. Recognition of Handwritten Responses on US Census Forms. In A. L. Spitz, A. Dengel, editors. Document Analysis Systems, World Scientific, pp. 237 - 264, 1995.
H. Bunke, M. Roth, and E.G. Schukat-Talamazzini. Off-line cursive handwriting recognition using hidden Markov models. In Pattern Recognition, Vol. 28, No. 9, pp. 1399 - 1413, 1995
J.P. Dodel and R. Shinghal. Symbolic/neural recognition of cursive amounts on bank cheques. Proc. ICDAR’95, Montreal 1995, pp 15 - 18.
T. K. Ho. Adaptive Coordination of Multiple Classifiers. Proc. Workshop DAS 96, Malvern, Pennsylvania, pp 338–351.
G. Kaufmann, T.M. Ha, and H. Bunke. Einsatz eines Perturbation-Ansatzes für die Erkennung handgeschriebener deutscher Grundzahlwörter. D A G M-Symposium Mustererkennung 1996,Sept. 11–13, 1996, Universität Heidelberg, Germany, pp. 63–70.
S. Knerr, O. Baret, D. Price and J.C. Simon. The A2iA Recognition System for Handwritten Checks. Proc. DAS 96, Malvern, Pennsylvania, pp 431–494.
J. D. Keeler, D.E. Rumelhart, and W.K. Leow. Integrated segmentation and recognition of hand-printed numerals. In David S. Touretzky Richard P. Lippmann, John E. Moody, editor, Neural Information Processing Systems 3, volume 3, pages 557–563. Morgan Kaufmann Publishers, 1989.
L.R. Rabiner. A tutorial on hidden markov models and selected applications in speech recognition. In Proceedings of the IEEE, volume 77, pages 257 - 286, February 1989.
R. Rojas. Theorie der neuronalen Netze, Eine systematische Einführung. Springer-Verlag, 1993.
J. Schürmann. Pattern Classification..John Wiley & Sons, Inc., 1996, Chapter 11.
H. Weissman, M. Schenkel, I. Guyon, C. Nohl, and D. Henderson. Recognition-Based Segmentation of On-line Run-on Handprinted Words: Input vs. Output Segmentation. Pattern Recognition, volume 27, number 3, pages 405 - 420, Pergamon Press, Oxford, 1994.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1997 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Marti, UV., Kaufmann, G., Bunke, H. (1997). Time Delay Neural Network mit Lernhilfe in der Offline-Handschrifterkennung. In: Paulus, E., Wahl, F.M. (eds) Mustererkennung 1997. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60893-3_32
Download citation
DOI: https://doi.org/10.1007/978-3-642-60893-3_32
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-63426-3
Online ISBN: 978-3-642-60893-3
eBook Packages: Springer Book Archive