Synthetic Handwritten Gesture Generation Using Sigma-Lognormal Model for Evolving Handwriting Classifiers

Abstract : We show in this paper the importance of using handwriting generation in the context of online and incremental learning of a handwriting classifier. In order to obtain realistic synthetic gestures, we apply controlled deformations on the extracted sigma-lognormal parameters of the real gesture, and we then generate synthetic gestures using the modified parameters. Results show the impact of integrating these synthetic samples generation in our learning algorithm on the classification performance.
Type de document :
Communication dans un congrès
15th Biennial Conference of the International Graphonomics Society, 2011, cancun, Mexico. 2011
Liste complète des métadonnées

Littérature citée [4 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00741573
Contributeur : Abdullah Almousa Almaksour <>
Soumis le : dimanche 14 octobre 2012 - 12:02:18
Dernière modification le : vendredi 25 mai 2018 - 01:07:47
Document(s) archivé(s) le : mardi 15 janvier 2013 - 03:05:10

Fichier

IGS_paper.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00741573, version 1

Citation

Abdullah Almaksour, Eric Anquetil, Réjean Plamondon, Christian O'Reilly. Synthetic Handwritten Gesture Generation Using Sigma-Lognormal Model for Evolving Handwriting Classifiers. 15th Biennial Conference of the International Graphonomics Society, 2011, cancun, Mexico. 2011. 〈hal-00741573〉

Partager

Métriques

Consultations de la notice

320

Téléchargements de fichiers

403