特稿 >

行业洞察 >

苹果最新博文剑指汉字手写识别!专家回应:并没有技术含量

苹果最新博文剑指汉字手写识别!专家回应:并没有技术含量

Xtecher原创 丨 行业洞察

33683
4864

2017-09-30

           

参与 | 鸽子,Shawn


今日,苹果再次更新其博客,这次的内容主打手写识别,而且是对汉字的手写识别。是不是挺好奇的,先来看看这篇论文的简介:

 


对由30000字符构成的大型汉字字符库进行实时手写汉字识别


随着智能手机、平板电脑和可穿戴设备(如智能手表)的普及,手写识别技术变得愈发重要。但是如果想在这些移动设备上实现汉字手写识别,就必须解决一些特有的问题,因为汉字识别需要有巨大的符号数据库。本论文阐述了我们如何解决这些问题,在iPhone、iPad和Apple Watch(手写模式)上实现了手写汉字的实时识别。我们的识别系统基于深度学习,最多可准确识别30000汉字。为了实现令人满意的准确度,我们在数据收集条件、手写体表征和训练方法上花了很大工夫。我们发现,只要方法正确,系统甚至可以准确识别更大的汉字数据库。我们的试验证明,只要使用的训练数据足够好且足够多,当汉字数据库越来越大时,系统的准确度只会缓慢降低。

 

引言


手写识别可以增强移动服务的用户体验,尤其是汉字输入的用户体验,因为汉字输入法相对而言较为复杂。而且汉字手写识别又独具挑战,因为潜在汉字数据库十分庞大。使用字母单词写成的文字通常只会用到大约100个字符,但是中国国家标准GB18030-2005中的汉字字符集共包含27533个字符,而且现在整个大中华区还在使用很多新增的意符(logographic)文字。


为了能在计算机上输入汉字,我们通常只一定数量的汉字,这些汉字被认为是我们日常生活中最常使用的汉字。因此,标准的GB2312-80字符集只包含6763个字符(1级字符集包含3755字字符,2级字符集包含3008个字符)。中国科学院自动化研究所(CASIA)数据库中紧密排列的字符集共包含7356个字符 [6],SCUT-COUCH数据库所涵盖的汉字字符数和它差不多[8]


早期的识别算法主要依赖于基于单笔划分析的结构方法,后来人们认识到必须实现比划顺序的独立性,因此他们将目光投向了利用汉字整体形状信息的统计学方法[5]。但是如果使用这种方法,大型汉字数据库的识别显然会更加复杂,因为需要对大量的类别进行消除歧义,这样正确分类字符就会变得更加困难 [3]

 

在拉丁文识别任务(例如MNIST数据集 [4])中,卷积神经网络(CNN)很早就被作为解决方案。由于拥有充足的训练数据,而且必要时还可以用合成样本作为增补,CNN可以得出非常有效的结果[1][10]。但是,这些研究中的类别数量却很少(10种)。


不久前,我们开始研究大型汉字数据集的识别,当时使用CNN是我们的首选方法。但是这种方法要求将CNN缩放到一个大约由30000汉字构成的数据集,同时还要在嵌入式设备上维持实时性能。本论文主要研究的是如何满足准确度、汉字覆盖面和对手写字体的鲁棒性的要求。


(完成博客请见:https://machinelearning.apple.com/2017/09/12/handwriting.html)


这篇论文到底价值如何?有何精华,有何不足?

 

AI科技大本营在第一时间联系到汉字离线识别领域的专家,请他们对苹果刚刚发布的论文略作评析,同时也对手写识别领域作简要分析。

 

以下为AI科技大本营根据其观点,以其第一人称总结梳理如下:

 

文章主要讨论了两件事:

 

一是把目前汉字识别的类别数扩大之后,如何控制模型的大小和计算量;二是再扩大之后,会遇到更多的混淆字的问题。


苹果在收集自己的数据库时候,发现中国人对同一个字的写法有很多种,这样导致传统的结构识别法在很多情况下不能用,比如笔顺不固定这种情况。


就这两件事情而言,并无太多价值含量。因为通篇只是讨论,并没给出相应的解决办法。

 

当然,这是苹果公司一直以来的传统,不公布任何技术。

 

需要注意的是,这篇文章主要关注在线手写识别,也就是带有时序信息,主要应用范围为手机平板这类电子设备。

 

就汉字在线识别来看,华南理工大学金连文教授算得上最为领先,他与搜狗合作推出的在线汉字手写识别准确率非常高,这一点应该走在苹果前面。除了在线手写识别外,还有一种是离线手写识别。

 

如果是英语手写识别,德国的DFKI(德国人工智能中心,相当中国中科院)的研究在全球则最为领先。


你怎么看苹果此次发布的这篇博文呢?欢迎在评论区说出你的观点。



打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机