Uso de modelos generativos para el reconocimiento de dígitos manuscritos

Describimos un método de reconocimiento de dígitos manuscritos mediante el ajuste de modelos generativos construidos a partir de B-splines deformables con "generadores de tinta" gaussianos espaciados a lo largo de la longitud del splines. Los splines se ajustan utilizando un nuevo procedimiento de emparejamiento elástico basado en el algoritmo de maximización de la expectativa que maximiza la probabilidad de que el modelo genere los datos. Este enfoque tiene muchas ventajas: 1) el sistema no solo produce una clasificación del dígito, sino también una rica descripción de los parámetros de instanciación que pueden proporcionar información como el estilo de escritura; 2) los modelos generativos pueden realizar segmentación impulsada por el reconocimiento; 3) el método implica un número relativamente pequeño de parámetros y, por lo tanto, el entrenamiento es relativamente fácil y rápido; y 4) a diferencia de muchos otros esquemas de reconocimiento, no depende de alguna forma de pre-normalización de imágenes de entrada, sino que puede manejar escalados, traducciones y un grado limitado de rotación de imágenes. Hemos demostrado que nuestro método de ajuste de modelos a imágenes no se queda atrapado en mínimos locales pobres. La principal desventaja del método es que requiere mucho más cálculo que las técnicas de OCR más estándar.