[论文阅读]EMNIST: an extension of MNIST to handwritten letters

骑猪看日落 2023-06-30 01:48 117阅读 0赞

`论文阅读`

# EMNIST: an extension of MNIST to handwritten letters #

/ 2020-01 Howard wonanut

最近遇到一个问题，需要识别手写字母，这个问题本身没啥难度，难在如何找到训练数据集，因为之前做过手写数字的识别，知道有个MNIST手写数字数据集，可这手写字母数据集还真没注意过。第一个映入眼帘的手写字母数据集是[Chars74k数据集][Chars74k],里面的`EnglishHnd`即为手写数字数据集，不过数据量比较少，每个字母只有55个图片数据。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70]

直到今天，在kaggle上看到了EMNIST数据集，真的是发现了一个宝藏，所以整理一下这个论文：  
论文下载地址：[EMNIST: an extension of MNIST to handwritten letters][EMNIST_ an extension of MNIST to handwritten letters]

## 产生背景 ##

众所周知，MNIST是一个权威的手写数字数据集，而且一直有一个手写数字+大小写字母数据集NIST，只不过由于NIST数据集使用起来不太方便，而且没有像EMNIST将训练集和测试集划分，因此在使用以及对比结果的时候很不方便，从而有了ENMIST（extension of MNIST）。

## 数据集划分 ##

该数据集基于NIST Special Database 19产生。论文作者已经将数据按照不同的划分方法进行了划分，而且都已经划分了训练集和测试集：

*  By\_page：里面含有未经处理的整页的字符黑白扫描
 *  By\_Author: 里面根据不同的书写者，将属于同一个人的所有字符都归成一类
 *  By\_Field: 分成字母，数字，可以用于字母或者数字分割
 *  By\_Class: 按类别，即 数字 10 类\[0-9\]，26 类 \[a-z\]，26 类 \[A-Z\]，共 62 类
 *  By\_Merge: 因为有的因为字母，大小写手写体基本很难分辨，所有这里将这些字母大小写合并，又构成一个新的分类，被合并的字母有 15 类 \[C,I,J,K,L,M,O,P,S,U,V,W,X,Y,Z\]，所以最后最剩下 47 类  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70 1]

EMNIST数据集的部分划分结果如下图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70 2]

## banchmark结果 ##

不太重要，略

（完）

[Chars74k]: http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200113202604550.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5,size_16,color_FFFFFF,t_70
[EMNIST_ an extension of MNIST to handwritten letters]: https://arxiv.org/abs/1702.05373
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200217180934122.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200217181018714.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODIyMDI5,size_16,color_FFFFFF,t_70