基于深度学习的手写体字符识别研究

发布时间：2023-02-20 21:46

　　光学字符识别一直是人们最感兴趣的课题之一,它旨在识别自然图像中的文本。尽管这一课题研究多年,但开发出与人类能力相当的光学字符识别技术仍然是一个巨大的挑战。近年来,随着生产生活的需要,纸质文档迫切需要转换成数字文档,以便搜索和保存。光学字符识别可以描述为对图像进行转换,其中图像可以是手写文本图像或者印刷文本图像,半个多世纪以来,这一领域的研究一直在进行。近年来,许多技术已经应用于文档图像中的文本提取。深度学习近年来被频繁用于解决机器学习领域的热门课题,如图像识别、分类、检索等,它通过构建多层神经网络来学习样本的特征,这大大避免了繁琐复杂的人工特征提取。虽然目前深度学习已被开始用于光学字符识别,但由于手写体字符的复杂性,手写体光学字符识别仍是机器学习领域的热门研究课题。本文将使用深度学习的方法进行手写体汉字的识别研究,在卷积神经网络的基础上结合循环神经网络的特点进行改进,进一步提高手写体汉字识别的准确率。

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 深度学习的发展
    1.2 光学字符识别
    1.3 手写体汉字字符识别及研究现状
    1.4 本论文主要工作和内容结构安排
第2章 光学字符识别系统
    2.1 光学字符识别系统的类型
    2.2 光学字符识别的过程
    2.3 分类识别的方法介绍
        2.3.1 最小距离分类方法
        2.3.2 支持向量机分类方法
        2.3.3 神经网络分类方法
    2.4 离线手写汉字识别技术综述
        2.4.1 基于卷积神经网络的手写汉字识别
        2.4.2 基于部首的手写汉字识别
    2.5 本章小结
第3章 深度学习模型
    3.1 反向传播训练
    3.2 卷积神经网络
    3.3 循环神经网络
        3.3.1 长短时记忆网络LSTM
        3.3.2 GRU网络
    3.4 Encoder-Decoder框架和Attention机制
    3.5 神经网络的初始化与批归一化
        3.5.1 初始化
        3.5.2 批归一化
    3.6 本章小结
第4章 手写汉字识别
    4.1 数据集
    4.2 数据的预处理
    4.3 基于GPU的图像加速处理器
    4.4 基于ResNet的手写汉字的识别
        4.4.1 残差结构
        4.4.2 网络结构设计
    4.5 基于Encoder-Decoder的手写汉字的识别
        4.5.1 编码
        4.5.2 解码
        4.5.3 实验结果
    4.6 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果



本文编号：3747372