發(fā)布時(shí)間：2018-02-14 14:45

  本文關(guān)鍵詞： 深度學(xué)習(xí) 脫機(jī)手寫漢字識(shí)別 卷積神經(jīng)網(wǎng)絡(luò) GPU Caffe　出處：《安徽理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：脫機(jī)手寫體漢字識(shí)別在模式識(shí)別的應(yīng)用領(lǐng)域內(nèi)是非常重要的分支,同時(shí)其也是計(jì)算機(jī)智能接口實(shí)現(xiàn)過(guò)程中的關(guān)鍵性技術(shù)。由于脫機(jī)手寫體漢字類別龐大、字體結(jié)構(gòu)復(fù)雜、相似漢字多、書寫隨意性大以及書寫風(fēng)格差異強(qiáng)等特點(diǎn),其在模式識(shí)別領(lǐng)域中始終得到廣泛的關(guān)注與研究,是眾多學(xué)者研究的熱點(diǎn)與難點(diǎn)。隨著深度學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域中逐漸并快速發(fā)展,同時(shí)在模式識(shí)別部分方面也已取得了優(yōu)秀的識(shí)別性能。深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)在于其可以自動(dòng)獲取學(xué)習(xí)樣本的特征,能夠避免手寫漢字特征提取的難題,但其在訓(xùn)練樣本時(shí)較為困難。本文結(jié)合卷積神經(jīng)網(wǎng)絡(luò)在脫機(jī)手寫體漢字識(shí)別系統(tǒng)進(jìn)行了相關(guān)的研究,針對(duì)訓(xùn)練樣本困難問(wèn)題進(jìn)行了優(yōu)化與改進(jìn),論文主要研究工作為:(1)通過(guò)研究和分析學(xué)習(xí)脫機(jī)手寫漢字識(shí)別的相關(guān)技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)的理論,驗(yàn)證了卷積神經(jīng)網(wǎng)絡(luò)在脫機(jī)手寫漢字識(shí)別過(guò)程中的可行性;(2)通過(guò)HCL2000與CSAIA-HWDB兩類型脫機(jī)手寫體漢字?jǐn)?shù)據(jù)庫(kù)的比較,并對(duì)系統(tǒng)的硬件部分進(jìn)行GPU架構(gòu)設(shè)計(jì),實(shí)現(xiàn)了GPU、CPU與SSD硬盤三者之間的數(shù)據(jù)信息交互的過(guò)程,結(jié)合Caffe軟件平臺(tái)的設(shè)計(jì),實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的脫機(jī)手寫漢字識(shí)別系統(tǒng);(3)在實(shí)現(xiàn)的脫機(jī)手寫漢字識(shí)別系統(tǒng)中,通過(guò)對(duì)卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化,本文從卷積神經(jīng)網(wǎng)絡(luò)的激活函數(shù)、Dropout方法以及數(shù)據(jù)樣本圖像的彈性形變等方面提出四種改進(jìn)的網(wǎng)絡(luò)模型,并通過(guò)相應(yīng)的實(shí)驗(yàn)研究表明,改進(jìn)后的CNN_4卷積神經(jīng)網(wǎng)絡(luò)在脫機(jī)手寫漢字識(shí)別過(guò)程中,其漢字識(shí)別準(zhǔn)確率上提升了2.5%。由實(shí)驗(yàn)研究發(fā)現(xiàn),本文改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)在脫機(jī)手寫識(shí)別過(guò)程中,提升了網(wǎng)絡(luò)模型的泛化能力、收斂速度以及識(shí)別準(zhǔn)確率。
[Abstract]:Off-line handwritten Chinese character recognition is a very important branch in the application field of pattern recognition, and it is also a key technology in the realization of computer intelligent interface. It has been widely paid attention to and studied in the field of pattern recognition because of its many similar characters, great arbitrariness in writing and strong differences in writing style. It is a hot and difficult point for many scholars. With the gradual and rapid development of deep learning in the field of machine learning, The advantage of convolution neural network in deep learning is that it can automatically acquire the features of learning samples and avoid the problem of handwritten Chinese character feature extraction. However, it is difficult to train samples. This paper studies the offline handwritten Chinese character recognition system with convolutional neural network, and optimizes and improves the difficult problems of training samples. The main work of this paper is to study and analyze the related techniques of off-line handwritten Chinese character recognition and the theory of convolution neural network. The feasibility of convolutional neural network in off-line handwritten Chinese character recognition is verified. The comparison of two types of offline handwritten Chinese character databases, HCL2000 and CSAIA-HWDB, and the design of GPU architecture for the hardware part of the system are carried out. The process of data and information exchange between GPU CPU and SSD hard disk is realized. Combined with the design of Caffe software platform, the off-line handwritten Chinese character recognition system based on convolution neural network is realized in the off-line handwritten Chinese character recognition system. By optimizing the structure of the convolutional neural network, this paper proposes four improved network models from the aspects of the activation function of the convolution neural network, Dropout method and the elastic deformation of the data sample image. The improved CNN_4 convolution neural network improves the accuracy of Chinese character recognition by 2.5% in the offline handwritten Chinese character recognition process. From the experimental study, it is found that the improved convolution neural network is used in the offline handwritten recognition process. The generalization ability, convergence speed and recognition accuracy of the network model are improved.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.4;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過(guò)去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1510941