漢字是世界上使用最多的文字,漢字識(shí)別在殘疾人無(wú)障礙閱讀、文獻(xiàn)自動(dòng)錄入、郵件分揀、銀行票據(jù)處理、證件識(shí)別等領(lǐng)域有著重要的應(yīng)用價(jià)值。漢字?jǐn)?shù)量巨大,手寫(xiě)風(fēng)格各異,并且漢字中存在大量的形近字,導(dǎo)致脫機(jī)手寫(xiě)漢字識(shí)別一直存在準(zhǔn)確率偏低的問(wèn)題。近年來(lái),深度學(xué)習(xí)發(fā)展迅速,在模式識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域都取得了不錯(cuò)的成績(jī)。因此,本文采用深度學(xué)習(xí)的方法對(duì)脫機(jī)手寫(xiě)漢字識(shí)別進(jìn)行研究。針對(duì)漢字識(shí)別大分類(lèi)問(wèn)題,采用深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)GB2312-80標(biāo)準(zhǔn)中規(guī)定的最常用的一級(jí)3755個(gè)漢字進(jìn)行識(shí)別。典型的卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)端到端的結(jié)構(gòu),直接接受原圖輸入,但卻無(wú)法學(xué)習(xí)到相關(guān)領(lǐng)域知識(shí)。常規(guī)卷積操作中,圖像對(duì)應(yīng)區(qū)域的所有通道均被同時(shí)考慮,無(wú)形中增加了網(wǎng)絡(luò)的冗余度。本文對(duì)此進(jìn)行改進(jìn),使用圖像的八方向梯度特征作為卷積神經(jīng)網(wǎng)絡(luò)輸入,使用深度可分離的卷積方式進(jìn)行卷積。最后設(shè)計(jì)多組卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn),在CASIA-HWDB數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,八方向梯度特征輸入與深度可分離卷積能夠顯著提升漢字識(shí)別效果,最終取得了95.86%的準(zhǔn)確率。針對(duì)脫機(jī)手寫(xiě)漢字識(shí)別中形近字難以識(shí)別問(wèn)題,從兩個(gè)方面進(jìn)行改進(jìn)。方法一,使... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像預(yù)處理前后效果對(duì)比圖

八方向梯度平面示意圖

CPU Intel Core i7-87GPU Nvidia RAM DD深度學(xué)習(xí)框架 Keras2.1.0，編程語(yǔ)言 P3.4.2 CASIA-HWDB 數(shù)據(jù)集深度學(xué)習(xí)是在數(shù)據(jù)驅(qū)動(dòng)下發(fā)展的，沒(méi)有數(shù)的手寫(xiě)漢字?jǐn)?shù)據(jù)集有北京郵電大學(xué)模式識(shí)別實(shí)及中科院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)相對(duì)于 HCL2000 數(shù)據(jù)集，CASIA-HWDB 數(shù)據(jù)別難度更大，因此本文選擇 CASIA-HWDB 數(shù)CASIA-HWDB 數(shù)據(jù)集樣本圖像如圖 3.8 所示。

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在手寫(xiě)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)
[2]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)
[3]基于CNN和隨機(jī)彈性形變的相似手寫(xiě)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)
[4]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[5]SVM分類(lèi)核函數(shù)及參數(shù)選擇比較[J]. 奉國(guó)和.  計(jì)算機(jī)工程與應(yīng)用. 2011(03)
[6]一種基于支持向量機(jī)的手寫(xiě)漢字識(shí)別方法[J]. 高學(xué),金連文,尹俊勛,黃建成.  電子學(xué)報(bào). 2002(05)

博士論文
[1]基于支持向量機(jī)的脫機(jī)手寫(xiě)相似漢字識(shí)別的研究[D]. 封筠.北京科技大學(xué) 2005

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的脫機(jī)手寫(xiě)漢字識(shí)別系統(tǒng)研究[D]. 高燦.安徽理工大學(xué) 2017
[2]基于深度學(xué)習(xí)的手寫(xiě)漢字識(shí)別技術(shù)研究[D]. 孫巍巍.哈爾濱理工大學(xué) 2017
[3]深度卷積神經(jīng)網(wǎng)絡(luò)及其在手寫(xiě)體漢字識(shí)別中的應(yīng)用研究[D]. 郭鵬.四川師范大學(xué) 2016
[4]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
[5]基于深度模型的脫機(jī)手寫(xiě)體漢字識(shí)別研究[D]. 周星辰.浙江大學(xué) 2016
[6]深度學(xué)習(xí)及其在手寫(xiě)漢字識(shí)別中的應(yīng)用研究[D]. 王有旺.華南理工大學(xué) 2014



本文編號(hào)：3580832