A Heisenberg-Lift Descriptor for Order-Sensitive Online Handwriting Recognition
Dieses Papier führt einen leichtgewichtigen, ordnungssensitiven Heisenberg-Lift-Deskriptor ein, der eine terminale orientierte Fläche und eine fünfzehndimensionale Erweiterung aufweist und die Genauigkeit der Online-Handschrifterkennung signifikant verbessert, indem er Informationen über die Strichtraversierungsrichtung erfasst, die traditionelle euklidische Deskriptoren übersehen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen einem Roboter beizubringen, Ihre Handschrift zu erkennen. Sie zeigen ihm das Bild eines Buchstabens „O“ und eines Buchstabens „Y“, und der Roboter betrachtet die Formen. Er sieht, dass das „O“ ein Kreis ist und das „Y“ eine Gabel. Einfach, oder? Aber hier kommt der knifflige Teil: Was wäre, wenn der Roboter nur die Umrandung der Form betrachten würde, wie einen Schatten an einer Wand? Er wüsste nicht, ob Sie das „O“ gezeichnet haben, indem Sie oben begannen und sich im Uhrzeigersinn bewegten, oder ob Sie unten begannen und sich gegen den Uhrzeigersinn bewegten. Für die Schatten-Sicht des Roboters sehen diese beiden Zeichnungen exakt gleich aus. Dies ist ein großes Problem, denn in der echten Handschrift sagt die Reihenfolge, in der Sie Ihren Stift bewegen, oft den Unterschied zwischen zwei Buchstaben aus.
Dieses Paper bewegt sich in der Welt der Online-Handschrifterkennung, also der Technologie, die es Computern ermöglicht, zu lesen, was Sie auf einem Tablet oder Telefon schreiben, während Sie schreiben, anstatt nur ein fertiges Blatt Papier zu scannen. Die Kernidee, mit der die Autoren spielen, ist, dass ein Federstrich nicht nur eine statische Form ist, sondern eine Reise durch die Zeit. Wenn Sie mit dem Auto um einen Kreisverkehr fahren, ist die Spur, die Sie auf dem Boden hinterlassen, dieselbe, egal ob Sie links oder rechts gefahren sind, aber die Richtung, in die Sie gefahren sind, ist völlig unterschiedlich. Die Autoren erkannten, dass Standard-Computermethoden wie eine Kamera waren, die nur ein Foto der Reifenspuren macht und dabei die Richtung des Autos ignoriert. Sie wollten ein neues Werkzeug bauen, das die Richtung des Stifts „fühlen“ kann, nicht nur die Form sieht, die er hinterlassen hat.
Die Autoren Hassan Ugail und Newton Howard haben eine clevere neue Art erfunden, Handschrift zu beschreiben, die sich „Heisenberg-Lift-Deskriptor“ nennt. Stellen Sie sich das so vor: Stellen Sie sich vor, Sie zeichnen eine Form auf ein Blatt Papier. Während Sie zeichnen, führen Sie im Geheimen auch eine laufende Wertung darüber, wie viel „Fläche“ Ihr Stift abgestrichen hat. Wenn Sie einen Kreis im Uhrzeigersinn zeichnen, steigt Ihre Wertung. Wenn Sie exakt denselben Kreis gegen den Uhrzeigersinn zeichnen, sinkt Ihre Wertung. Diese „Wertung“ wird als orientierte Fläche (signed area) bezeichnet.
In der Vergangenheit verwendeten Computer hauptsächlich „euklidische Deskriptoren“, die etwa die Länge der Linie, die Breite des Kastens, in den sie passt, oder die Krümmung der Linie messen. Diese sind großartig, um zu messen, wohin der Stift ging, aber sie sind „ordnungsblind“. Sie können nicht zwischen einer Schleife, die vorwärts gezeichnet wurde, und einer Schleife, die rückwärts gezeichnet wurde, unterscheiden. Die Autoren sagen: „Lassen Sie uns das beheben!“ Sie nehmen den Pfad des Stifts und heben ihn in eine spezielle mathematische Welt, die Heisenberg-Gruppe genannt wird. In dieser Welt ist die dritte Dimension nicht die Höhe, sondern die kumulierte „orientierte Fläche“-Wertung.
Das Paper testet zwei Versionen dieser Idee. Die erste ist die „minimale“ Version: einfach das Hinzufügen dieser einzigen finalen Wertung (der gesamten orientierten Fläche) zu der Liste von Zahlen, die der Computer bereits verwendet. Die zweite ist die „reiche“ Version: Anstatt nur der finalen Wertung zu folgen, verfolgt sie, wie sich diese Wertung in jedem einzelnen Moment des Zeichnens verändert, und erstellt so ein detailliertes Profil der Reise des Stifts.
Als sie dies an zwei berühmten Handschrift-Datensätzen testeten (einen mit Buchstaben wie „o“ und „y“ und einen anderen mit Zahlen), fanden sie etwas Erstaunliches. Bei dem schwierigsten Paar von Buchstaben, die man voneinander unterscheiden muss – dem Buchstaben „o“ (eine geschlossene Schleife) und dem Buchstaben „y“ (ein offener Strich, der umkehrt) – blieben die alten Computermethoden stecken. Sie kamen nur auf etwa 96 % Genauigkeit, weil die Formen so ähnlich aussahen. Aber als die Autoren nur diesen einzigen Wert der „orientierten Fläche“ hinzufügten, erreichte der Computer 100 % Korrektheit. Es war, als hätte der Computer plötzlich begriffen: „Oh! Eine dieser Schleifen war geschlossen, und die andere war es nicht!“
Das Paper prüfte auch, ob dies funktionierte, wenn die Handschrift unordentlich oder zittrig war (simuliert durch das Hinzufügen von „Rauschen“ zu den Daten). Sie fanden heraus, dass die Zeichnung umso unordentlicher war, desto hilfreicher ihr neues Verfahren wurde. Das vollständige, detaillierte Profil der orientierten Fläche half dem Computer, selbst dann genau zu bleiben, wenn der Stift zitterte, während die alten Methoden anfingen, zu versagen.
Entscheidend war, dass die Autoren sicherstellten, dass dies nicht bloß daran lag, dass sie dem Computer einfach mehr Zahlen zu seiner Liste hinzufügten. Sie versuchten, stattdessen zufällige, nutzlose Zahlen zur Liste hinzuzufügen, und der Computer verbesserte sich dadurch nicht. Dies beweist, dass die Verbesserung aus der spezifischen Geometrie der Idee der „orientierten Fläche“ kam und nicht nur aus der Tatsache, dass man mehr Daten hatte.
Was ist also die Quintessenz? Wenn man möchte, dass ein Computer Handschrift liest, reicht es nicht aus, nur auf die Form zu schauen; man muss die Richtung der Bewegung verstehen. Indem man bestehenden Systemen eine einfache, clevere Berechnung der „orientierten Fläche“ hinzufügt, kann man sie viel intelligenter machen, insbesondere wenn es darum geht, Buchstaben zu unterscheiden, die sich ähnlich sehen, aber in unterschiedlicher Reihenfolge geschrieben werden. Es ist eine leichtgewichtige, schnelle und sehr klare Art, Computern ein besseres Gefühl für die Richtung zu geben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.