光學(xué)字符識(shí)別（OCR）技術(shù)目前主要是在文檔及證件識(shí)別等方面應(yīng)用。其中文檔識(shí)別可以把手寫(xiě)文檔或印刷文檔的文字信息數(shù)字化,快速并準(zhǔn)確提取有效信息�，F(xiàn)階段飛速發(fā)展的深度學(xué)習(xí)應(yīng)用到OCR,不僅適用不同的場(chǎng)景,而且字符識(shí)別的準(zhǔn)確率可以得到提高。本文的主要工作是利用深度學(xué)習(xí)建立手寫(xiě)字符識(shí)別框架,并在智能手機(jī)實(shí)現(xiàn)。OCR的步驟主要是文字區(qū)域檢測(cè),字符切割和識(shí)別。字符的識(shí)別作為本文的研究重點(diǎn),因此結(jié)合深度學(xué)習(xí)對(duì)此進(jìn)行優(yōu)化。首先總結(jié)了可用于字符識(shí)別的深度學(xué)習(xí)網(wǎng)絡(luò)。詳細(xì)分析了深度卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu),并介紹了深度學(xué)習(xí)框架Tensorflow。其次,由于數(shù)據(jù)集的規(guī)模對(duì)于訓(xùn)練模型至關(guān)重要,因此擴(kuò)充了數(shù)據(jù)集�；谖谋拘袌D像書(shū)寫(xiě)尺度的可變性,利用多尺度文本來(lái)擴(kuò)充數(shù)據(jù)集。然后,改善對(duì)系統(tǒng)性能好壞影響極大的特征提取。利用殘差思想對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行適當(dāng)?shù)母倪M(jìn)與優(yōu)化,改變特征提取過(guò)程中信息的傳播方法,提高特征提取的準(zhǔn)確率。最后,針對(duì)傳統(tǒng)OCR應(yīng)用時(shí)設(shè)備便攜性差問(wèn)題,進(jìn)行改進(jìn)。過(guò)去在使用OCR技術(shù)識(shí)別文字時(shí),文檔圖像主要是通過(guò)掃描儀或照相機(jī)等設(shè)備來(lái)獲取,可適用場(chǎng)合受限。因此本文提出基于智能手機(jī)的手寫(xiě)字符識(shí)別技術(shù)的... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語(yǔ)注釋表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 字符識(shí)別研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)背景知識(shí)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        2.1.2 卷積網(wǎng)絡(luò)簡(jiǎn)介
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模式
    2.3 深度學(xué)習(xí)框架Tensorflow
    2.4 本章小結(jié)
第三章 基于CRNN的手寫(xiě)字符圖像特征提取
    3.1 網(wǎng)絡(luò)框架介紹
    3.2 特征提取
        3.2.1 卷積層
        3.2.2 池化層
        3.2.3 損失函數(shù)和優(yōu)化算法
    3.3 訓(xùn)練集擴(kuò)容
        3.3.1 數(shù)據(jù)集擴(kuò)容訓(xùn)練
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于深度卷積-殘差的手寫(xiě)文本圖像識(shí)別
    4.1 改進(jìn)的特征提取網(wǎng)絡(luò)
    4.2 序列標(biāo)記技術(shù)
    4.3 實(shí)驗(yàn)設(shè)計(jì)與分析
        4.3.1 真實(shí)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)設(shè)置
    4.4 本章小結(jié)
第五章 手寫(xiě)文本識(shí)別APP的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 需求分析
    5.2 功能分析
    5.3 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 功能結(jié)構(gòu)圖
        5.3.2 主要功能流程圖
    5.4 字符識(shí)別app的實(shí)現(xiàn)
        5.4.1 文檔圖像獲取
        5.4.2 文檔圖像識(shí)別
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
附錄 攻讀碩士學(xué)位期間撰寫(xiě)的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[2]一種完整的漢字識(shí)別系統(tǒng)設(shè)計(jì)[J]. 印月,黃山.  微計(jì)算機(jī)信息. 2009(13)
[3]基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別研究[J]. 楊慶雄.  信息技術(shù). 2005(04)
[4]基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字字符識(shí)別[J]. 武強(qiáng),童學(xué)鋒,季雋.  計(jì)算機(jī)工程. 2003(14)

碩士論文
[1]深度學(xué)習(xí)及其在脫機(jī)手寫(xiě)漢字識(shí)別領(lǐng)域的應(yīng)用研究[D]. 劉全升.華南理工大學(xué) 2016



本文編號(hào)：3155667