隨著時(shí)代的發(fā)展,漢字字符的識(shí)別研究在文獻(xiàn)數(shù)字化檢索、郵政郵件分揀、銀行支票處理、表格制作、基于手寫的文本輸入等相關(guān)領(lǐng)域有著廣泛的應(yīng)用前景而備受關(guān)注。傳統(tǒng)研究方法主要通過(guò)“預(yù)處理+特征提取+分類器”的模式對(duì)漢字進(jìn)行研究,但是由于字符識(shí)別本身存在著種類繁多、易混淆字符較多、結(jié)構(gòu)復(fù)雜變化大等問(wèn)題,字符識(shí)別的研究仍然存在著諸多的困難與不足之處,而卷積神經(jīng)網(wǎng)絡(luò)具有權(quán)值參數(shù)共享、特征提取能力強(qiáng)等優(yōu)點(diǎn),利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)可有效實(shí)現(xiàn)漢字的準(zhǔn)確識(shí)別。本文主要對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的漢字識(shí)別技術(shù)進(jìn)行研究,研究?jī)?nèi)容如下:（1）.針對(duì)現(xiàn)有漢字?jǐn)?shù)據(jù)庫(kù)字符類別不全、字符特征變化少等問(wèn)題,提出了一種基于字符編碼的漢字字符數(shù)據(jù)庫(kù)構(gòu)建方法,可用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測(cè)試。該方法根據(jù)利用官方字庫(kù)得到相應(yīng)的所有字符信息,并利用字符編碼輸出相應(yīng)的字符圖片,為了擴(kuò)增數(shù)據(jù)集,采用不同的字符編碼輸出得到不同的字體的字符圖片,并且經(jīng)過(guò)圖像放縮、圖像旋轉(zhuǎn)、凸化變形、波紋扭曲方法對(duì)原始的字符圖片處理得到漢字字符數(shù)據(jù)集。該方法能夠?qū)崿F(xiàn)脫機(jī)自行創(chuàng)建漢字字符數(shù)據(jù)庫(kù)的目標(biāo),所創(chuàng)建的漢字字符數(shù)據(jù)庫(kù)數(shù)據(jù)量大、字符類別覆蓋全面、圖像特征多樣,具有良好的泛化... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?４?Ｌｅｎｅｔ－５卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??

圖２．?６極大池化與均值池化示意圖??Ｆｉｇ?２．６?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍａｘｉｍｕｍ?ｐｏｏｌｉｎｇ?ａｎｄ?ｍｅａｎ?ｐｏｏｌｉｎｇ??

圖２．?７?ｓｉｇｍｏｉｄ函數(shù)示意圖??Ｆｉ２．７?Ｓｉｍｏｉｄ?ｆｕｎｃｔｉｏｎ?ｄｉａｒａｍ??

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法優(yōu)化[J]. 劉玉紅,劉樹(shù)英,付福祥.  計(jì)算機(jī)科學(xué). 2020(03)
[2]深度學(xué)習(xí)算法研究進(jìn)展[J]. 田啟川,王滿麗.  計(jì)算機(jī)工程與應(yīng)用. 2019(22)
[3]卷積神經(jīng)網(wǎng)絡(luò)的多字體漢字識(shí)別[J]. 柴偉佳,王連明.  中國(guó)圖象圖形學(xué)報(bào). 2018(03)
[4]面向大規(guī)模圖像分類的深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化[J]. 白琮,黃玲,陳佳楠,潘翔,陳勝勇.  軟件學(xué)報(bào). 2018(04)
[5]基于雙重優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別算法[J]. 劉萬(wàn)軍,梁雪劍,曲海成.  模式識(shí)別與人工智能. 2016(09)
[6]深度學(xué)習(xí)在手寫漢字識(shí)別中的應(yīng)用綜述[J]. 金連文,鐘卓耀,楊釗,楊維信,謝澤澄,孫俊.  自動(dòng)化學(xué)報(bào). 2016(08)
[7]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[8]基于多尺度梯度及深度神經(jīng)網(wǎng)絡(luò)的漢字識(shí)別[J]. 潘煒深,金連文,馮子勇.  北京航空航天大學(xué)學(xué)報(bào). 2015(04)
[9]大數(shù)據(jù)下的基于深度神經(jīng)網(wǎng)的相似漢字識(shí)別[J]. 楊釗,陶大鵬,張樹(shù)業(yè),金連文.  通信學(xué)報(bào). 2014(09)
[10]基于CNN和隨機(jī)彈性形變的相似手寫漢字識(shí)別[J]. 高學(xué),王有旺.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)

博士論文
[1]非限制手寫字符分割中相關(guān)技術(shù)與算法的研究[D]. 馬瑞.南京理工大學(xué) 2007

碩士論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的脫機(jī)手寫漢字識(shí)別[D]. 陳站.廣東工業(yè)大學(xué) 2019
[2]基于注意力機(jī)制的中文識(shí)別算法研究[D]. 徐清泉.華中科技大學(xué) 2019
[3]離線中文手寫體識(shí)別研究[D]. 王馨悅.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D]. 張崇榮.電子科技大學(xué) 2019
[5]自然場(chǎng)景下漢字定位與識(shí)別方法研究[D]. 柴偉佳.東北師范大學(xué) 2018
[6]卷積神經(jīng)網(wǎng)字符識(shí)別算法研究[D]. 吳香蓮.電子科技大學(xué) 2016
[7]基于深度模型的脫機(jī)手寫體漢字識(shí)別研究[D]. 周星辰.浙江大學(xué) 2016
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的聯(lián)機(jī)手寫漢字識(shí)別系統(tǒng)[D]. 劉欣.哈爾濱工業(yè)大學(xué) 2015
[9]基于深度學(xué)習(xí)的手寫體字符識(shí)別研究與實(shí)現(xiàn)[D]. 何西麟.中山大學(xué) 2015



本文編號(hào)：3081004