machine-learning - 角色候选者应使用哪些功能

Question

我部分实现了the Stroke Width Transform algorithm。
我的实现很丑陋，但是有些效果

我的实现给了我很多候选人（我使用一些规则来过滤他们）。但是我仍然有很多非角色候选人。
我想使用神经网络（或其他ML算法）对其进行过滤。

我应该为分类器使用什么功能？

我可以提取均值/标准差（组件的SW值）和宽度/高度。

例：



红色矩形是候选字符
（执行过程不会检测到亮暗字符，对“陆虎”的错误检测是正常的）
组件过滤后的SWT图像

Answer 1

神经网络和其他技术（例如SVM）不用于过滤输入，而是用于对输入进行分类。不同之处在于，过滤将根据输入是否符合所施加的规则来丢弃输入，因此实际上不需要进行任何训练（很有可能只有少数良好的阈值）。另一方面，/ trained /分类器将类分配给给定的输入，这意味着您需要用期望的类以及负样本来充分训练分类器。因此，如果您要使用前者或后者，则方法会有所不同，但是在前者中使用的功能可能对后者也很有用。

无论您采用哪种路径，都需要进行一些基本的预处理，首先要获得一个更清晰的组件，这就是说，要删除示例中存在的组件内多余的白点。之后，有很多选项可用。基本的宽度和高度测量值可用于过滤您确定与预期不符的组件，因此也无需对其进行分类。通过考虑所连接组件的骨架，您可以获得形成两个特征的端点和分支点。欧拉数是另一个，实际上，有太多可能的特征要提取出来以在此处列出它们。这些提到的特征的特征在于它们都是缩放，旋转和平移不变的。这也意味着您需要其他功能来区分，例如，9与6，骨架中孔的质心就是这样的示例（请务必小心，因为直接提取此功能不是不变）。

请注意，即使是简单的功能也可以帮助分离整个字符集。例如，对于欧拉数= 0，您将仅获得“ A”，“ D”，“ O”，“ P”，“ Q”，“ R”，“ 0”，“ 4”，“ 6”，或“ 9”（假设ascii字母数字，行为良好的字体以及对输入的良好预处理）。

最后，除了SWT之外，还有相当数量的论文来寻找更多信息和其他方法。例如，T-HOG是其中的一种，根据已发布的结果，它比SWT稍好。

编辑：恢复和扩展：

如果您想使用机器学习，则将需要少量带标签的数据，可以从中分离出来进行培训和测试。如果您的目标只是区分“这是一个字符”与“这不是一个字符”，并且对后一类的描述不够充分（即，您没有什么不是字符的示例，或者您无法将其描述为您可以收到的任何类型的输入），也可以选择One-Class SVM。

如前所述，要从单个字符中提取特征，它们太多了，并且有很多方法可以使用。论文“用于字符识别的特征提取方法-一项调查”（1995年，根本不是最近的论文）讨论了其中的一些方法（还提到了预期的最小训练数据量，请务必阅读），因此我将其中包括其内容的一部分在这里。

从字符中提取的可能不错的功能（对于灰度图像和二进制图像）：


Hu，Reiss，Flusser，Suk，Bamieh，de Figueiredo Moments（所有几何矩不变式都是基于Hu在“不变矩的视觉模式识别”上对初始工作的改进而做出的）。
泽尼克时刻


从骨架字符中提取的良好功能：


T型接头数量；
X关节数量；
弯曲点数；
端点数；
通过将原点放置在形状的质心上与轴的相交数；
半圆数


傅里叶描述符也可以应用在字符的骨架，二进制表示或图形表示中，如所提到的论文所述。