OLIWER

OLIWER数据集是由华南理工大学电子与信息工程学院创建的一个大规模在线手写检索数据集，包含来自1731名个体的674,017条中文手写短语。该数据集通过整合CASIA-OLHWDB、DCOH和SCUT-COUCH2009三个公开在线手写数据集构建而成，旨在为在线手写检索提供丰富的数据支持。数据集的创建过程包括对手写文本行进行短语级分割，并直接收集特定长度的词语或短语。OLIWER数据集主要应用于数字取证和手写分析领域，旨在解决在线手写检索中的数据稀缺问题，提升检索系统的性能。

The OLIWER dataset is a large-scale online handwritten retrieval dataset developed by the School of Electronic and Information Engineering of South China University of Technology. It encompasses 674,017 Chinese handwritten phrases sourced from 1731 individuals. This dataset is compiled by integrating three publicly available online handwritten datasets: CASIA-OLHWDB, DCOH, and SCUT-COUCH2009, aiming to provide abundant data support for online handwritten retrieval. The creation process of the OLIWER dataset includes phrase-level segmentation of handwritten text lines and direct collection of fixed-length words or phrases. The OLIWER dataset is mainly applied in the fields of digital forensics and handwritten analysis, and it is designed to address the data scarcity issue in online handwritten retrieval and improve the performance of retrieval systems.

搜集汇总

数据集介绍

构建方式

OLIWER数据集通过整合三个公开的在线手写数据集（CASIA-OLHWDB、DCOH和SCUT-COUCH2009）构建而成，涵盖了超过67万条中文手写短语，来自1,731名书写者。为了获取短语级别的手写数据，研究团队对CASIA-OLHWDB和DCOH中的文本行进行了分割，并直接从SCUT-COUCH2009中提取了符合长度要求的词汇。此外，数据集中的每个样本都标准化为包含x、y坐标和压力信息，确保了数据的一致性和可用性。

特点

OLIWER数据集的显著特点在于其大规模性和多样性，涵盖了超过67万条手写短语，且来自1,731名书写者，提供了丰富的书写风格和特征。此外，数据集中的每个样本都包含了x、y坐标和压力信息，这些动态信息为在线书写者检索提供了丰富的特征基础。该数据集的构建填补了在线书写者检索领域大规模数据集的空白，为相关研究提供了宝贵的资源。

使用方法

OLIWER数据集可用于在线书写者检索任务，支持开放集和封闭集两种检索场景。研究者可以通过该数据集训练和评估模型，以实现对手写短语的书写者身份识别和检索。数据集的多样性和大规模性使其成为验证模型性能的理想平台，尤其是在处理短语级别的手写数据时，能够有效评估模型的鲁棒性和泛化能力。

背景与挑战

背景概述

随着在线手写数据的普及，在线书写者检索（Online Writer Retrieval）成为数字取证领域的一个重要需求。OLIWER数据集由华南理工大学的Peirong Zhang和Lianwen Jin于2024年提出，旨在解决在线手写短语检索中的数据稀缺问题。该数据集包含了来自1,731名书写者的674,017条中文手写短语，涵盖了CASIA-OLHWDB、DCOH和SCUT-COUCH2009三个公开数据集。OLIWER的构建不仅填补了在线书写者检索领域的大规模数据集空白，还为相关研究提供了丰富的实验资源，推动了在线手写分析与数字取证技术的发展。

当前挑战

在线书写者检索面临的主要挑战包括：1）实际应用中，用户通常书写简短的短语或单词，导致数据特征稀疏，增加了检索系统的难度；2）在法医调查中，检索数据库通常包含数百万条手写样本，要求系统具备高效处理大规模数据的能力；3）开放集检索场景下，系统需要具备较强的泛化能力，以应对未知书写者的检索需求。此外，构建OLIWER数据集时，研究人员还面临数据来源多样性、数据格式标准化以及特征对齐等技术挑战，这些都为在线书写者检索的研究提出了更高的要求。

常用场景

经典使用场景

OLIWER数据集的经典使用场景主要集中在在线书写者检索任务中。该数据集通过提供大规模的中文手写短语数据，支持了从动态书写样本中检索特定书写者的需求。其核心应用场景包括在数字取证中通过识别相似笔迹追踪潜在嫌疑人，或在数字签名验证中通过检索相似书写样本进行身份验证。

衍生相关工作

基于OLIWER数据集，研究者提出了多种创新方法，如DOLPHIN模型，该模型通过时间-频率协同分析提升了书写特征的提取能力。此外，该数据集还促进了跨领域研究，如将在线书写者检索技术应用于签名验证和人员重识别等领域。这些工作不仅提升了书写者检索的性能，还为相关领域的研究提供了新的思路和方法。

数据集最近研究

最新研究方向

近年来，随着在线手写数据在数字通信中的广泛应用，在线书写者检索（Online Writer Retrieval）逐渐成为数字取证领域的前沿研究方向。OLIWER数据集的引入填补了该领域大规模数据集的空白，推动了在线书写者检索技术的快速发展。研究者们通过协同时频分析方法，提出了DOLPHIN模型，该模型通过高频门控注意力（HFGA）和通道激活反向残差（CAIR）模块，有效提取手写特征，显著提升了检索性能。此外，研究还揭示了点采样频率和压力信息在手写数据中的关键作用，进一步提升了跨域检索的准确性。OLIWER数据集的发布为该领域的研究提供了坚实的基础，推动了在线书写者检索技术的进一步发展。

相关研究论文

• Online Writer Retrieval with Chinese Handwritten Phrases: A Synergistic Temporal-Frequency Representation Learning Approach

  华南理工大学电子与信息工程学院 · 2024年