基于卷积神经网络的联机手写汉字识别系统

在联机手写识别系统中,通常是根据手写字符的笔画、笔顺以及轨迹序列进行特征提取。对于汉字来说,其结构复杂,形近字较多,而且由于不同人的书写习惯不同导致汉字的书写形变差异也较大,大大增加了提取联机手写汉字稳定特征的难度。近年来,卷积神经网络可以自动提取输入数据的特征而不需要显式的构造,这就减少了人为干预带来的误差,卷积神经网络的这一特征应其在图像处理领域获得了广泛应用。对于手写汉字来说,卷积神经网络可以通过对局部视野域内的特征进行卷积操作,从而从手写汉字的局部特征入手,生成更具代表性的特征。因此,探讨如何将卷积神经网络应用到联机手写汉字的特征构造与字符识别中就具有一定的可行性。本文在考虑手写汉字采集特点以及汉字形变多样性的情况下,提出一种基于卷积神经网络的联机手写识别系统,系统的实现主要包括三个部分:首先是对采集的点信息进行规整化和必要的插值操作,以完成数据的规范化,在该规范化处理过程中,本文使用了线性规整化和线性插值的方法。然后构  (本文共67页) 本文目录 | 阅读全文>>

脱机手写体汉字识别在模式识别的应用领域内是非常重要的分支,同时其也是计算机智能接口实现过程中的关键性技术。由于脱机手写体汉字类别庞大、字体结构复杂、相似汉字多、书写随意性大以及书写风格差异强等特点,其在模式识别领域中始终得到广泛的关注与研究,是众多学者研究的热点与难点。随着深度学习在机器学习领域中逐渐并快速发展,同时在模式识别部分方面也已取得了优秀的识别性能。深度学习中卷积神经网络的优势在于其可以自动获取学习样本的特征,能够避免手写汉字特征提取的难题,但其在训练样本时较为困难。本文结合卷积神经网络在脱机手写体汉字识别系统进行了相关的研究,针对训练样本困难问题进行了优化与改进,论文主要研究工作为:(1)通过研究和分析学习脱机手写汉字识别的相关技术与卷积神经网络的理论,验证了卷积神经网络在脱机手写汉字识别过程中的可行性;(2)通过HCL2000与CSAIA-HWDB两类型脱机手写体汉字数据库的比较,并对系统的硬件部分进行GPU架构设...  (本文共68页) 本文目录 | 阅读全文>>

手写汉字评价推动了计算机辅助教学的快速发展,如何通过手写汉字评价技术,在无教师帮助的情况下实现手写汉字的等级/规范性评价是当前研究的重点。对手写汉字评价相关概念以及发展趋势进行阐述...  (本文共16页) 阅读全文>>

笔者曾在《中国教师》杂志发表了《手写汉字的特性与生命力》一文,文章的结尾这样写道:"我们能预见和断定,随着社会进步与科技的发展...  (本文共3页) 阅读全文>>

针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题。设计了一个特征分组提取融合的深度卷积神经网络模型。通过多级堆叠的特征分组提取模块,...  (本文共6页) 阅读全文>>

按照训练、高质量标准进行模仿,分析手写汉字签名的准确检验操作模式和标准。传统的对比方法往往不够得当,采用计算机精确快速的操作方法,可以在短...  (本文共2页) 阅读全文>>

本文简单对手写汉字识别的学术背景、发展现状做了简要介绍,并列举了常见的...  (本文共1页) 阅读全文>>