{rfName}

Indexado en

Licencia y uso

Citaciones

Grant support

Work partially supported by the Spanish MINECO and FEDER founds under project TIN2017-85854-C4-2-R.

Análisis de autorías institucional

Castro-Bleda, MjAutor (correspondencia)Espana-Boquera, SAutor o Coautor

Compartir

>
No

Publicado en: - (), DOI:

Pastor-Pellicer, J; Castro-Bleda, Mj; Espana-Boquera, S;

Afiliaciones

Resumen

Recent improvements in deep learning techniques show that deep models can extract more meaningful data directly from raw signals than conventional parametrization techniques, making it possible to avoid specific feature extraction in the area of pattern recognition, especially for Computer Vision or Speech tasks. In this work, we directly use raw text line images by feeding them to Convolutional Neural Networks and deep Multilayer Perceptrons for feature extraction in a Handwriting Recognition system. The proposed recognition system, based on Hidden Markov Models that are hybridized with Neural Networks, has been tested with the IAM Database, achieving a considerable improvement.

Palabras clave

Indicios de calidad

Impacto y visibilidad social

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Pastor-Pellicer, J) .

el autor responsable de establecer las labores de correspondencia ha sido Castro Bleda, María José.