基于深度学习的脱机手写汉字识别技术研究
发布时间:2022-01-10 13:57
汉字是世界上使用最多的文字,汉字识别在残疾人无障碍阅读、文献自动录入、邮件分拣、银行票据处理、证件识别等领域有着重要的应用价值。汉字数量巨大,手写风格各异,并且汉字中存在大量的形近字,导致脱机手写汉字识别一直存在准确率偏低的问题。近年来,深度学习发展迅速,在模式识别、自然语言处理、语音识别等领域都取得了不错的成绩。因此,本文采用深度学习的方法对脱机手写汉字识别进行研究。针对汉字识别大分类问题,采用深度学习中卷积神经网络的方法对GB2312-80标准中规定的最常用的一级3755个汉字进行识别。典型的卷积神经网络是一个端到端的结构,直接接受原图输入,但却无法学习到相关领域知识。常规卷积操作中,图像对应区域的所有通道均被同时考虑,无形中增加了网络的冗余度。本文对此进行改进,使用图像的八方向梯度特征作为卷积神经网络输入,使用深度可分离的卷积方式进行卷积。最后设计多组卷积神经网络进行实验,在CASIA-HWDB数据集上的实验结果表明,八方向梯度特征输入与深度可分离卷积能够显著提升汉字识别效果,最终取得了95.86%的准确率。针对脱机手写汉字识别中形近字难以识别问题,从两个方面进行改进。方法一,使...
【文章来源】:重庆邮电大学重庆市
【文章页数】:73 页
【学位级别】:硕士
【部分图文】:
图像预处理前后效果对比图
八方向梯度平面示意图
CPU Intel Core i7-87GPU Nvidia RAM DD深度学习框架 Keras2.1.0,编程语言 P3.4.2 CASIA-HWDB 数据集深度学习是在数据驱动下发展的,没有数的手写汉字数据集有北京邮电大学模式识别实及中科院自动化研究所模式识别国家重点实验相对于 HCL2000 数据集,CASIA-HWDB 数据别难度更大,因此本文选择 CASIA-HWDB 数CASIA-HWDB 数据集样本图像如图 3.8 所示。
【参考文献】:
期刊论文
[1]深度学习在手写汉字识别中的应用综述[J]. 金连文,钟卓耀,杨钊,杨维信,谢泽澄,孙俊. 自动化学报. 2016(08)
[2]大数据下的基于深度神经网的相似汉字识别[J]. 杨钊,陶大鹏,张树业,金连文. 通信学报. 2014(09)
[3]基于CNN和随机弹性形变的相似手写汉字识别[J]. 高学,王有旺. 华南理工大学学报(自然科学版). 2014(01)
[4]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[5]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[6]一种基于支持向量机的手写汉字识别方法[J]. 高学,金连文,尹俊勋,黄建成. 电子学报. 2002(05)
博士论文
[1]基于支持向量机的脱机手写相似汉字识别的研究[D]. 封筠.北京科技大学 2005
硕士论文
[1]基于卷积神经网络的脱机手写汉字识别系统研究[D]. 高灿.安徽理工大学 2017
[2]基于深度学习的手写汉字识别技术研究[D]. 孙巍巍.哈尔滨理工大学 2017
[3]深度卷积神经网络及其在手写体汉字识别中的应用研究[D]. 郭鹏.四川师范大学 2016
[4]深度学习及其在脱机手写汉字识别领域的应用研究[D]. 刘全升.华南理工大学 2016
[5]基于深度模型的脱机手写体汉字识别研究[D]. 周星辰.浙江大学 2016
[6]深度学习及其在手写汉字识别中的应用研究[D]. 王有旺.华南理工大学 2014
本文编号:3580832
【文章来源】:重庆邮电大学重庆市
【文章页数】:73 页
【学位级别】:硕士
【部分图文】:
图像预处理前后效果对比图
八方向梯度平面示意图
CPU Intel Core i7-87GPU Nvidia RAM DD深度学习框架 Keras2.1.0,编程语言 P3.4.2 CASIA-HWDB 数据集深度学习是在数据驱动下发展的,没有数的手写汉字数据集有北京邮电大学模式识别实及中科院自动化研究所模式识别国家重点实验相对于 HCL2000 数据集,CASIA-HWDB 数据别难度更大,因此本文选择 CASIA-HWDB 数CASIA-HWDB 数据集样本图像如图 3.8 所示。
【参考文献】:
期刊论文
[1]深度学习在手写汉字识别中的应用综述[J]. 金连文,钟卓耀,杨钊,杨维信,谢泽澄,孙俊. 自动化学报. 2016(08)
[2]大数据下的基于深度神经网的相似汉字识别[J]. 杨钊,陶大鹏,张树业,金连文. 通信学报. 2014(09)
[3]基于CNN和随机弹性形变的相似手写汉字识别[J]. 高学,王有旺. 华南理工大学学报(自然科学版). 2014(01)
[4]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[5]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[6]一种基于支持向量机的手写汉字识别方法[J]. 高学,金连文,尹俊勋,黄建成. 电子学报. 2002(05)
博士论文
[1]基于支持向量机的脱机手写相似汉字识别的研究[D]. 封筠.北京科技大学 2005
硕士论文
[1]基于卷积神经网络的脱机手写汉字识别系统研究[D]. 高灿.安徽理工大学 2017
[2]基于深度学习的手写汉字识别技术研究[D]. 孙巍巍.哈尔滨理工大学 2017
[3]深度卷积神经网络及其在手写体汉字识别中的应用研究[D]. 郭鹏.四川师范大学 2016
[4]深度学习及其在脱机手写汉字识别领域的应用研究[D]. 刘全升.华南理工大学 2016
[5]基于深度模型的脱机手写体汉字识别研究[D]. 周星辰.浙江大学 2016
[6]深度学习及其在手写汉字识别中的应用研究[D]. 王有旺.华南理工大学 2014
本文编号:3580832
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3580832.html