基于深度卷积神经网络的脱机手写汉字识别系统的设计与实现

重力加速度的测量

第35卷第2期湖北理工学院学报Vol.35No.2 2019年4月JOURNAL OF HUBEI POLYTECHNIC UNIVERSITY Apr.2019

doi:10.3969/j.issn.2095-4565.2019.02.006

系统的设计与实现

林恒青

（福建船政交通职业学院机械工程系，福建福州350007）

摘要：针对传统手写汉字识别的特征提取方法的局限性，采用深度学习的方法对手写汉字进行图像识别，借鉴GoogLeNet网络搭建了一个适合手写汉字识别的卷积神经网络。利用BN层训练神经网络，最终训练得到的神经网络在验证集上的topi正确率达到96%以上,top3正确率达到98%以上，并具有很好的泛化能力。这表明深度学习为脱机手写汉字识别系统的设计提供了新的思路，具备自动提取特征，且具有一定的实际意义o

关键词：手写汉字识别；深度学习；卷积神经网络

中图分类号:TP391文献标志码:A文章编号：2095-4565（2019）02-0031-04

Offline Handwritten Chinese Character Recognition Based

on Convolutional Neural Network

制作交通工具LIN Hengqing

（Department of Mechanical Engineering,Fujian Chuanzheng Communications College,Fuzhou Fujian350007）

Abstract:Aiming at the limitation of traditional feature extraction methods for handwriHen Chinese character recognition,image recognition for handwriHen Chinese is done with the deep learning method and a convolution neural network suitable for handwriHen Chinese character recognition is built according to GoogLeNet.

Batch Normalization Layer is used to train the neural network.The correctness rate of Topi on the verification set is more than96%and that of top3is more than98%.The neural network has good generalization ability.

The results show that deep learning provides a new idea for the design of offline handwriHen Chinese character recognition system,which has the feature of automatic feature and the practical application.过滤器球阀

增感油墨

近年来各种类型的分类技术在图像识别领域得到了广泛的发展。但是，作为图像识别领域的一个重要分支，手写汉字识别技术依然属于其中的难题之一。根据书写方式不同，汉字识别可以分为印刷体汉字识别和手写汉字识别。由于印刷体汉字识别的发展已较为成熟，本文特研究手写汉字识别。按不同数据采集方式，手写汉字识别又可划分为联机（Online）手写体汉字识别和脱机（Offline）手写体汉字识别两大类。联机手写体汉字识别的手写文字是书写者通过输入设备（如光笔、数字手写板或者触摸屏）在线书写获取的文字信号，书写的轨迹通过定时采样实时输入到计算机中。而脱机手写文字识别的手写文字是通

收稿日期=2018-10-16

EM357

基金项目：2017年福建省教育厅科技项目（项目编号:JAT170942）。作者简介：林恒青，讲师，硕士。

本文发布于:2024-09-22 11:25:57，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/3/126276.html

上一篇：致胜专用导航,新款致胜加装原厂导航,11款蒙迪欧致胜原车屏升级导航和倒车影像功能

下一篇：word文档墨迹工具的笔不能用_CourseMaker微课制作教程43：手写设备在Word。。。