一種獲得識別模型的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及手寫識別技術(shù)領(lǐng)域，尤其涉及一種獲得識別模型的方法及裝置。
【背景技術(shù)】
[0002] 隨著信息技術(shù)的迅猛發(fā)展以及智能觸屏類的移動終端設(shè)備日益普及，新的智能人 機交互應(yīng)用日新月異。手寫輸入作為最常見、最主流的人機交互方式之一，其特點在于操作 方便、識別正確率高，適用于各類人群，特別是文化程度不高、不能較好掌握拼音的人群。因 此，手寫輸入方式得到了越來越多用戶的青睞。
[0003] 目前手寫識別系統(tǒng)主要采用基于數(shù)據(jù)驅(qū)動的方法，通過大量采集真實的樣本數(shù) 據(jù)，利用樣本數(shù)據(jù)進行模型訓(xùn)練獲得手寫識別模型，以實現(xiàn)字符的區(qū)分。顯然，手寫識別系 統(tǒng)性能和樣本數(shù)據(jù)密切相關(guān)，樣本數(shù)據(jù)覆蓋面越廣、內(nèi)容越豐富則系統(tǒng)性能越好。然而，樣 本數(shù)據(jù)的收集、標(biāo)注往往需耗費較大的人力、財力。特別是少數(shù)民族語言的數(shù)據(jù)采集工作更 是困難重重，如藏語、維吾爾語等少數(shù)民族的手寫樣本數(shù)據(jù)。顯然，若訓(xùn)練樣本數(shù)據(jù)較為匱 乏，則手寫識別系統(tǒng)容易產(chǎn)生過擬合問題，從而導(dǎo)致識別準(zhǔn)確率較低。

【發(fā)明內(nèi)容】

[0004] 為解決上述技術(shù)問題，本申請實施例提供一種獲得識別模型的方法及裝置，能夠 有效增加樣本數(shù)據(jù)，提高識別準(zhǔn)確率。技術(shù)方案如下：
[0005] -方面，提供一種獲得識別模型的方法，包括：
[0006] 獲得樣本數(shù)據(jù)；
[0007] 對所述樣本數(shù)據(jù)進行彈性形變和/或隨機形變獲得形變樣本數(shù)據(jù)；
[0008] 利用所述樣本數(shù)據(jù)及所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得識別模型。
[0009] 進一步，所述對所述樣本數(shù)據(jù)進行彈性形變獲得形變樣本數(shù)據(jù)包括：
[0010] 在所述樣本數(shù)據(jù)的作用區(qū)域內(nèi)確定至少一個隨機點；所述作用區(qū)域為所述樣本數(shù) 據(jù)所占據(jù)的區(qū)域；
[0011] 計算所述隨機點對所述作用區(qū)域內(nèi)所述樣本數(shù)據(jù)上的樣本點的牽引力；
[0012] 根據(jù)所述牽引力對所述作用區(qū)域內(nèi)的所述樣本點進行位置修正，獲得形變樣本 占.
[0013] 根據(jù)所述形變樣本點確定形變樣本數(shù)據(jù)。
[0014] 進一步，所述在所述樣本數(shù)據(jù)的作用區(qū)域內(nèi)確定至少一個隨機點，包括：
[0015] 計算所述樣本數(shù)據(jù)的長寬比；
[0016] 根據(jù)所述長寬比將所述樣本數(shù)據(jù)的作用區(qū)域劃分為至少兩個子區(qū)域；
[0017] 在各所述子區(qū)域內(nèi)分別確定一個隨機點；
[0018] 所述計算所述隨機點對所述作用區(qū)域內(nèi)所述樣本數(shù)據(jù)上的樣本點的牽引力，包 括：
[0019] 計算所述隨機點對其所在的所述子區(qū)域內(nèi)所述樣本數(shù)據(jù)上的樣本點的牽引力。
[0020] 進一步，所述對所述樣本數(shù)據(jù)進行隨機形變獲得形變樣本數(shù)據(jù)包括：
[0021] 對所述樣本數(shù)據(jù)上的每個樣本點依次生成單位隨機向量；
[0022] 對所述單位隨機向量進行平滑處理和歸一化處理；
[0023] 根據(jù)處理后的所述單位隨機向量分別對其對應(yīng)的樣本點進行修正，獲得形變樣本 占.
[0024] 根據(jù)所述形變樣本點確定形變樣本數(shù)據(jù)。
[0025] 進一步，在對所述樣本數(shù)據(jù)進行彈性形變和/或隨機形變獲得形變樣本數(shù)據(jù)之 后，還包括：
[0026] 對所述形變樣本數(shù)據(jù)進行篩選；
[0027] 所述利用所述樣本數(shù)據(jù)及所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得識別模型，包 括：
[0028] 利用所述樣本數(shù)據(jù)及篩選后的所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得識別模型。
[0029] 進一步，所述對所述形變樣本數(shù)據(jù)進行篩選，包括：
[0030] 利用預(yù)建識別模型對所述形變樣本數(shù)據(jù)進行識別；所述預(yù)建識別模型為預(yù)先根據(jù) 所述樣本數(shù)據(jù)進行模型訓(xùn)練獲得的；
[0031] 將識別錯誤且位于前N個候選的形變樣本數(shù)據(jù)作為篩選后的形變樣本數(shù)據(jù)，N為 預(yù)設(shè)候選數(shù)量閾值。
[0032] 進一步，所述對所述形變樣本數(shù)據(jù)進行篩選，包括：
[0033] 分別提取所述形變樣本數(shù)據(jù)的第一特征向量及所述樣本數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)數(shù)據(jù)的 第二特征向量；
[0034] 計算所述第一特征向量與所述第二特征向量的距離；
[0035] 將所述距離小于預(yù)設(shè)距離閾值的形變樣本數(shù)據(jù)作為篩選后的形變樣本數(shù)據(jù)。
[0036] 進一步，所述利用所述樣本數(shù)據(jù)及所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得識別模 型，包括：
[0037] 設(shè)置所述形變樣本數(shù)據(jù)的權(quán)重；
[0038] 利用所述樣本數(shù)據(jù)及占有不同權(quán)重的所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得識別 模型。
[0039] 進一步，所述設(shè)置所述形變樣本數(shù)據(jù)的權(quán)重，包括：
[0040] 分別提取所述形變樣本數(shù)據(jù)的第一特征向量及所述樣本數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)數(shù)據(jù)的 第二特征向量；
[0041] 計算所述第一特征向量與所述第二特征向量的距離；
[0042] 根據(jù)所述距離設(shè)置所述形變樣本數(shù)據(jù)的權(quán)重，其中，所述距離越大的形變樣本數(shù) 據(jù)權(quán)重越小。
[0043] 另一方面，提供一種獲得識別模型的裝置，包括：
[0044] 數(shù)據(jù)獲取單元，用于獲得樣本數(shù)據(jù)；
[0045] 數(shù)據(jù)形變單元，用于對所述樣本數(shù)據(jù)進行彈性形變和/或隨機形變獲得形變樣本 數(shù)據(jù)；
[0046] 模型訓(xùn)練單元，用于利用所述樣本數(shù)據(jù)及所述形變樣本數(shù)據(jù)進行模型訓(xùn)練，獲得 識別模型。
[0047] 進一步，所述數(shù)據(jù)形變單元包括：
[0048] 選取子單元，用于在所述樣本數(shù)據(jù)的作用區(qū)域內(nèi)確定至少一個隨機點；所述作用 區(qū)域為所述樣本數(shù)據(jù)所占據(jù)的區(qū)域；
[0049] 計算子單元，用于計算所述隨機點對所述作用區(qū)域內(nèi)所述樣本數(shù)據(jù)上的樣本點的 牽引力；
[0050] 第一修正子單元，用于根據(jù)所述牽引力對所述作用區(qū)域內(nèi)的所述樣本點進行位置 修正，獲得形變樣本點；
[0051] 第一數(shù)據(jù)確定子單元，用于根據(jù)所述形變樣本點確定形變樣本數(shù)據(jù)。
[0052] 進一步，所述選取子單元包括：
[0053] 第一計算子單元，用于計算所述樣本數(shù)據(jù)的長寬比；
[0054] 劃分子單元，用于根據(jù)所述長寬比將所述樣本數(shù)據(jù)的作用區(qū)域劃分為至少兩個子 區(qū)域；
[0055] 確定子單元，用于在各所述子區(qū)域內(nèi)分別確定一個隨機點；
[0056] 所述計算子單元，具體用于計算所述隨機點對其所在的所述子區(qū)域內(nèi)所述樣本數(shù) 據(jù)上的樣本點的牽引力。
[0057] 進一步，所述數(shù)據(jù)形變單元包括：
[0058] 生成子單元，用于對所述樣本數(shù)據(jù)上的每個樣本點依次生成單位隨機向量；
[0059] 處理子單元，用于對所述單位隨機向量進行平滑處理和歸一化處理；
[0060] 第二修正子單元，用于根據(jù)處理后的所述單位隨機向量分別對其對應(yīng)的樣本點進 行修正，獲得形變樣本點；
[0061] 第二數(shù)據(jù)確定子單元，用于根據(jù)所述形變樣本點確定形變樣本數(shù)據(jù)。
[0062] 進一步，所述裝置還包括：
[0063] 篩選單元，用于在所述數(shù)據(jù)形變單元獲得形變樣本數(shù)據(jù)之后，對所述形變樣本數(shù) 據(jù)進行篩選；
[0064] 所述模型訓(xùn)練單元，具體用于利用所述樣本數(shù)據(jù)及篩選后的所述形變樣本數(shù)據(jù)進 行模型訓(xùn)練，獲得識別模型。
[0065] 進一步，所述篩選單元包括：
[0066] 識別子單元，用于利用預(yù)建識別模型對所述形變樣本數(shù)據(jù)進行識別；所述預(yù)建識 別模型為預(yù)先根據(jù)所述樣本數(shù)據(jù)進行模型訓(xùn)練獲得的；
[0067] 第一選擇子單元，用于將識別錯誤且位于前N個候選的形變樣本數(shù)據(jù)作為篩選后 的形變樣本數(shù)據(jù)，N為預(yù)設(shè)候選數(shù)量閾值。
[0068] 進一步，所述篩選單元包括：
[0069] 第一提取子單元，用于分別提取所述形變樣本數(shù)據(jù)的第一特征向量及所述樣本數(shù) 據(jù)對應(yīng)的標(biāo)準(zhǔn)數(shù)據(jù)的第二特征向量；
[0070] 第一距離計算子單元，用于計算所述第一特征向量與所述第二特征向量的距離；
[0071] 第二選擇子單元，用于將所述距離小于預(yù)設(shè)距離閾值的形變樣本數(shù)據(jù)作為篩選后 的形變樣本數(shù)據(jù)。
[0072] 進一步，所述模型訓(xùn)練單元包括：
[0073] 權(quán)重設(shè)置子單元，用于設(shè)置所述形變樣本數(shù)據(jù)的權(quán)重；
[0074] 訓(xùn)練子單元，用于利用所述樣本數(shù)據(jù)及占有不同權(quán)重的所述形變樣本數(shù)據(jù)進行模 型訓(xùn)練，獲得識別模型。
[0075] 進一步，所述權(quán)重設(shè)置子單元包括：
[0076] 第二提取子單元，用于分別提取所述形變樣本數(shù)據(jù)的第一特征向量及所述樣本數(shù) 據(jù)對應(yīng)的標(biāo)準(zhǔn)數(shù)據(jù)的第二特征向量；
[0077] 第二距離計算子單元，用于計算所述第一特征向量與所述第二特征向量的距離；
[0078] 設(shè)置子單元，用于根據(jù)所述距離設(shè)置所述形變樣本數(shù)據(jù)的權(quán)重，其中，所述距離越 大的形變樣本數(shù)據(jù)權(quán)重越小。
[0079] 本發(fā)明實施例至少具有以下有益效果：
[0080] 本發(fā)明實施例通過對少量樣本數(shù)據(jù)進行形變獲得形變樣本數(shù)據(jù)來擴充數(shù)據(jù)量，從 而可以以大量樣本數(shù)據(jù)為基礎(chǔ)構(gòu)建得到對應(yīng)的手寫識別模型，該方法有效增加了樣本數(shù)據(jù) 量，較好地解決了因樣本數(shù)據(jù)量匱乏而導(dǎo)致的識別模型不穩(wěn)定，識別準(zhǔn)確率低的問題，尤其 對于少數(shù)民族語言，如藏語維吾爾語等，手寫識別樣本難以采集造成的手寫識別模型構(gòu)建 問題。本方法通過自動生成形變樣本數(shù)據(jù)，極大地減少了收集手寫樣本的人力成本，提高了 手寫識別系統(tǒng)的性能，進而提高了識別準(zhǔn)確率。
【附圖說明】
[0081] 為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。
[0082]