一種獲得識別模型的方法及裝置的制造方法
【技術領域】
[0001] 本申請涉及手寫識別技術領域，尤其涉及一種獲得識別模型的方法及裝置。
【背景技術】
[0002] 隨著信息技術的迅猛發(fā)展以及智能觸屏類的移動終端設備日益普及，新的智能人 機交互應用日新月異。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)主要采用基于數據驅動的方法，通過大量采集真實的樣本數 據，利用樣本數據進行模型訓練獲得手寫識別模型，以實現字符的區(qū)分。顯然，手寫識別系 統(tǒng)性能和樣本數據密切相關，樣本數據覆蓋面越廣、內容越豐富則系統(tǒng)性能越好。然而，樣 本數據的收集、標注往往需耗費較大的人力、財力。特別是少數民族語言的數據采集工作更 是困難重重，如藏語、維吾爾語等少數民族的手寫樣本數據。顯然，若訓練樣本數據較為匱 乏，則手寫識別系統(tǒng)容易產生過擬合問題，從而導致識別準確率較低。

【發(fā)明內容】

[0004] 為解決上述技術問題，本申請實施例提供一種獲得識別模型的方法及裝置，能夠 有效增加樣本數據，提高識別準確率。技術方案如下：
[0005] -方面，提供一種獲得識別模型的方法，包括：
[0006] 獲得樣本數據；
[0007] 對所述樣本數據進行彈性形變和/或隨機形變獲得形變樣本數據；
[0008] 利用所述樣本數據及所述形變樣本數據進行模型訓練，獲得識別模型。
[0009] 進一步，所述對所述樣本數據進行彈性形變獲得形變樣本數據包括：
[0010] 在所述樣本數據的作用區(qū)域內確定至少一個隨機點；所述作用區(qū)域為所述樣本數 據所占據的區(qū)域；
[0011] 計算所述隨機點對所述作用區(qū)域內所述樣本數據上的樣本點的牽引力；
[0012] 根據所述牽引力對所述作用區(qū)域內的所述樣本點進行位置修正，獲得形變樣本 占.
[0013] 根據所述形變樣本點確定形變樣本數據。
[0014] 進一步，所述在所述樣本數據的作用區(qū)域內確定至少一個隨機點，包括：
[0015] 計算所述樣本數據的長寬比；
[0016] 根據所述長寬比將所述樣本數據的作用區(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)域內所述樣本數據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)域內所述樣本數據上的樣本點的牽引力。
[0020] 進一步，所述對所述樣本數據進行隨機形變獲得形變樣本數據包括：
[0021] 對所述樣本數據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] 根據處理后的所述單位隨機向量分別對其對應的樣本點進行修正，獲得形變樣本 占.
[0024] 根據所述形變樣本點確定形變樣本數據。
[0025] 進一步，在對所述樣本數據進行彈性形變和/或隨機形變獲得形變樣本數據之 后，還包括：
[0026] 對所述形變樣本數據進行篩選；
[0027] 所述利用所述樣本數據及所述形變樣本數據進行模型訓練，獲得識別模型，包 括：
[0028] 利用所述樣本數據及篩選后的所述形變樣本數據進行模型訓練，獲得識別模型。
[0029] 進一步，所述對所述形變樣本數據進行篩選，包括：
[0030] 利用預建識別模型對所述形變樣本數據進行識別；所述預建識別模型為預先根據 所述樣本數據進行模型訓練獲得的；
[0031] 將識別錯誤且位于前N個候選的形變樣本數據作為篩選后的形變樣本數據，N為 預設候選數量閾值。
[0032] 進一步，所述對所述形變樣本數據進行篩選，包括：
[0033] 分別提取所述形變樣本數據的第一特征向量及所述樣本數據對應的標準數據的 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] 將所述距離小于預設距離閾值的形變樣本數據作為篩選后的形變樣本數據。
[0036] 進一步，所述利用所述樣本數據及所述形變樣本數據進行模型訓練，獲得識別模 型，包括：
[0037] 設置所述形變樣本數據的權重；
[0038] 利用所述樣本數據及占有不同權重的所述形變樣本數據進行模型訓練，獲得識別 模型。
[0039] 進一步，所述設置所述形變樣本數據的權重，包括：
[0040] 分別提取所述形變樣本數據的第一特征向量及所述樣本數據對應的標準數據的 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] 根據所述距離設置所述形變樣本數據的權重，其中，所述距離越大的形變樣本數 據權重越小。
[0043] 另一方面，提供一種獲得識別模型的裝置，包括：
[0044] 數據獲取單元，用于獲得樣本數據；
[0045] 數據形變單元，用于對所述樣本數據進行彈性形變和/或隨機形變獲得形變樣本 數據；
[0046] 模型訓練單元，用于利用所述樣本數據及所述形變樣本數據進行模型訓練，獲得 識別模型。
[0047] 進一步，所述數據形變單元包括：
[0048] 選取子單元，用于在所述樣本數據的作用區(qū)域內確定至少一個隨機點；所述作用 區(qū)域為所述樣本數據所占據的區(qū)域；
[0049] 計算子單元，用于計算所述隨機點對所述作用區(qū)域內所述樣本數據上的樣本點的 牽引力；
[0050] 第一修正子單元，用于根據所述牽引力對所述作用區(qū)域內的所述樣本點進行位置 修正，獲得形變樣本點；
[0051] 第一數據確定子單元，用于根據所述形變樣本點確定形變樣本數據。
[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據的長寬比；
[0054] 劃分子單元，用于根據所述長寬比將所述樣本數據的作用區(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)域內所述樣本數 據上的樣本點的牽引力。
[0057] 進一步，所述數據形變單元包括：
[0058] 生成子單元，用于對所述樣本數據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，用于根據處理后的所述單位隨機向量分別對其對應的樣本點進 行修正，獲得形變樣本點；
[0061] 第二數據確定子單元，用于根據所述形變樣本點確定形變樣本數據。
[0062] 進一步，所述裝置還包括：
[0063] 篩選單元，用于在所述數據形變單元獲得形變樣本數據之后，對所述形變樣本數 據進行篩選；
[0064] 所述模型訓練單元，具體用于利用所述樣本數據及篩選后的所述形變樣本數據進 行模型訓練，獲得識別模型。
[0065] 進一步，所述篩選單元包括：
[0066] 識別子單元，用于利用預建識別模型對所述形變樣本數據進行識別；所述預建識 別模型為預先根據所述樣本數據進行模型訓練獲得的；
[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據作為篩選后 的形變樣本數據，N為預設候選數量閾值。
[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據的第一特征向量及所述樣本數 據對應的標準數據的第二特征向量；
[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設距離閾值的形變樣本數據作為篩選后 的形變樣本數據。
[0072] 進一步，所述模型訓練單元包括：
[0073] 權重設置子單元，用于設置所述形變樣本數據的權重；
[0074] 訓練子單元，用于利用所述樣本數據及占有不同權重的所述形變樣本數據進行模 型訓練，獲得識別模型。
[0075] 進一步，所述權重設置子單元包括：
[0076] 第二提取子單元，用于分別提取所述形變樣本數據的第一特征向量及所述樣本數 據對應的標準數據的第二特征向量；
[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] 設置子單元，用于根據所述距離設置所述形變樣本數據的權重，其中，所述距離越 大的形變樣本數據權重越小。
[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據進行形變獲得形變樣本數據來擴充數據量，從 而可以以大量樣本數據為基礎構建得到對應的手寫識別模型，該方法有效增加了樣本數據 量，較好地解決了因樣本數據量匱乏而導致的識別模型不穩(wěn)定，識別準確率低的問題，尤其 對于少數民族語言，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建 問題。本方法通過自動生成形變樣本數據，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，進而提高了識別準確率。
【附圖說明】
[0081] 為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現 有技術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，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據這些附圖獲得其他的附圖。
[0082]