基于BiRNN的学生手写文字识别系统设计与实现

发布时间：2021-02-12 02:35

　　手写文字识别是计算机视觉、自然语言处理领域中的重要问题和研究热点问题之一。将学生手写文档数字化对未来的学生作业大数据分析、在线教育等领域有着重要的推进意义。传统光字符识别技术主要面向高质量印刷体文档图像,而在处理手写体文档时,会出现识别效果差的问题。本论文针对学生手写文字的特点和传统手写文字识别方法的局限性,探讨了基于深度学习的学生手写文字识别方法的优势。提出了基于图像数据的端到端学习方法,并训练得到循环卷积神经网络模型,取得了较高的准确率。基于本网络模型,开发设计了一套用于学生手写文档格式化录入的手写文字识别系统。本论文的研究工作主要包括以下四个方面。1、针对中文字符集中,不常用字较多的现象,设计了一种手写文字图像样本增广方法,以解决样本分布不均衡的问题。本论文首先统计并分析了训练样本中不均衡的种类,然后利用添加高斯噪声、添加椒盐噪声及伽马变换三种方法模拟字体变化及光照影响,对训练样本数量进行了增广。2、提出了一种改进的CNN网络模型。针对CNN网络特征提取时网络层数过深而导致的梯度消失问题,本论文使用了残差模型并改进了残差方式与激活函数,分析了改进后训练时间与测试准确度的效果,并对... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

学生手写文字样本示例

高斯差分金字塔Fig.2-2PyramidofGaussiandifference

空间极值检测

【参考文献】：
期刊论文
[1]Long Short-Term Memory Recurrent Neural Network-Based Acoustic Model Using Connectionist Temporal Classification on a Large-Scale Training Corpus[J]. Donghyun Lee,Minkyu Lim,Hosung Park,Yoseb Kang,Jeong-Sik Park,Gil-Jin Jang,Ji-Hwan Kim.  中国通信. 2017(09)
[2]基于双流混合变换CNN特征的图像分类与识别[J]. 汤鹏杰,谭云兰,李金忠,谭彬.  井冈山大学学报(自然科学版). 2015(05)
[3]基于颜色散布分析的自然场景文本定位[J]. 周慧灿,刘琼,王耀南.  计算机工程. 2010(08)
[4]基于CNN彩色图像边缘检测的车牌定位方法[J]. 刘万军,姜庆玲,张闯.  自动化学报. 2009(12)
[5]基于文字混合特征的视频文本定位研究[J]. 赵超,方向忠.  微计算机信息. 2009(18)
[6]面向复杂场景图像的文本定位新方法[J]. 傅光辉,黄剑华,唐降龙,刘家锋,吴锐.  微计算机信息. 2008(18)

硕士论文
[1]自然场景中文本检测识别系统的设计与实现[D]. 师军.北京交通大学 2017



本文编号：3030114