Zusammenfassung
In diesem Beitrag wird ein hybrider Ansatz zur Verwendung von Hidden Markov Modellen (HMMs) für die Handschrift¬erkennung vorgestellt und mit traditionellen Verfahren (kontinuierliche und diskrete Modellierung) verglichen. Die hybride Modellierung basiert auf diskreten HM Ms, deren Vektor quantisierung durch ein neuronales Netz erfolgt. Die Leistungsfähigkeit dieses Ansatzes wurde kürzlich für die on-line Handschrifterkennung demonstriert und wird hier erstmalig für die Erkennung von off-line Handschriftdaten untersucht. Daraus re¬sultiert ebenfalls ein direkter Vergleich der verschiedenen Modellierungs¬techniken zwischen on-line Daten und den entsprechenden konvertierten off-line Daten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Bengio, Y., LeCun, Y., Nohl, C., Burges, C.: LeRec: A NN/HMM Hybrid for Online Handwriting Recognition. Neural Computation 95, Vol. 7 (1995), pp. 1289–1303
Bippus, R.-D.: Pseudo zweidimensionale HMM zur Erkennung handgeschriebener Beträge. Mustererkennung 97, 19. DAGM-Symposium, Braunschweig (1997), S. 245–253
Bourlard, H., Morgan, N.: Connectionist Speech Recognition - A Hybrid Approach. Kluwer Academic Press (1994)
Bunke, H., Roth, M., Schukat-Talamazzini, E.G.: Off-Line Cursive Handwriting Recognition Using Hidden Markov Models. Proc. Pattern Recognition 95, Vol. 28 (1995), pp. 1399–1413
Marti, U.-V., Bunke, H.: Erkennung handgeschriebener Wort Sequenzen. Musterer-kennung 98, 20. DAGM-Symposium, Stuttgart (1998), S. 263–270
Franke, J., Gloger, J.M., Kaltenmeier, A., Mandler, E.: A Comparison of Gaussion Distribution and Polynomial Classifiers in a Hidden Markov Model Based System for the Recognition of Cursive Script. Proc. ICDAR 97, Ulm (1997), pp. 515–518
Rabiner, L.R., Juang, B.H.: An Introduction to Hidden Markov Models. IEEE ASSP Magazine (1986), pp. 4–16
Rigoll, G., Kosmala, A., Willett, D.: An Investigation of Context-Dependent and Hybrid Modeling Techniques for Very Large Vocabulary On-Line Cursive Handwri¬ting Recognition. 6th Intern. Workshop on Frontiers in Handwriting Recognition (IWFHR 98), Taejon, Korea (1998), pp. 429–438
Rigoll, G., Kosmala, A., Willett, D.: A New Hybrid Approach to Large Vocabu¬lary Cursive Handwriting Recognition. Intern. Conference on Pattern Recognition (ICPR 98), Brisbane (1998), pp. 1512–1514
Schenkel, M., Jabri, M.: Low resolution, degraded document recognition using neural networks and hidden Markov models. Pattern Recognition Letters 19 (1998), pp. 365–371
Saon, G., Belaid, A.: Off-line Handwritten Word Recognition Using a Mixed HMM- MRF Approach. Proc. ICDAR 97, Ulm (1997), pp. 118–122
Seiler, R., Schenkel, M., Eggiman, F.: Off-Line Cursive Handwriting Recognition Compared with On-Line Recognition. Proc. ICPR 96, Vienna, Vol. 4 (1996), pp. 505–509
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Brakensiek, A., Kosmala, A., Willett, D., Rigoll, G. (1999). Vergleich verschiedener statistischer Modellierungsverfahren für die On- und Off-Line Handschrifterkennung. In: Förstner, W., Buhmann, J.M., Faber, A., Faber, P. (eds) Mustererkennung 1999. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60243-6_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-60243-6_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-66381-2
Online ISBN: 978-3-642-60243-6
eBook Packages: Springer Book Archive