Uso de modelos generativos para reconhecimento de dígitos manuscritos

Descrevemos um método de reconhecimento de dígitos manuscritos ajustando modelos generativos que são construídos a partir de B-splines deformáveis com "geradores de tinta" Gaussianos espaçados ao longo do comprimento do spline. Os splines são ajustados usando um novo procedimento de correspondência elástica baseado no algoritmo de maximização da expectativa que maximiza a verossimilhança do modelo gerar os dados. Essa abordagem tem muitas vantagens: 1) o sistema não apenas produz uma classificação do dígito, mas também uma rica descrição dos parâmetros de instanciação, que podem fornecer informações como o estilo de escrita; 2) os modelos generativos podem realizar segmentação dirigida ao reconhecimento; 3) o método envolve um número relativamente pequeno de parâmetros e, portanto, o treinamento é relativamente fácil e rápido; e 4) ao contrário de muitos outros esquemas de reconhecimento, não depende de alguma forma de pré-normalização das imagens de entrada, mas pode lidar com escalonamentos, traduções e um grau limitado de rotação de imagem. Demonstramos que nosso método de ajuste de modelos a imagens não fica preso em mínimos locais ruins. A principal desvantagem do método é que ele requer muito mais computação do que técnicas de OCR mais padrão.