PCGAN-CHAR: 노이즈가 있는 손글씨 방라 문자 분류를 위한 점진적으로 훈련된 분류기 생성적 적대 네트워크

특징의 희소성으로 인해 노이즈는 손글씨 문자 분류에서 큰 장애 요인이 되어왔습니다. 이를 해결하기 위해 대부분의 기술은 분류 전에 데이터를 노이즈 제거하는 작업을 수행합니다. 본 논문에서는 노이즈가 있는 문자조차도 분류할 수 있는 통합 모델을 학습하여 이 접근 방식을 강화하였습니다. 분류를 위해 우리는 저해상도에서 고해상도로 점진적으로 학습되는 분류 생성적 적대 네트워크(classifier generative adversarial network)를 훈련시켰습니다. 각 해상도에서 독립적으로 특징을 학습함으로써, 훈련된 모델은 노이즈가 있는 상태에서도 문자를 정확히 분류할 수 있음을 보였습니다. 우리는 MNIST, 손글씨 방라 숫자(Bangla Numeral), 그리고 기본 문자 데이터셋의 노이즈가 포함된 버전들을 분류하는 실험을 통해 우리의 접근 방식의 효과성을 입증하였습니다.