卷積神經(jīng)網(wǎng)字符識別算法研究.pdf

1、字符識別技術(shù)自20世紀六十年代提出以來，經(jīng)過幾十年的研究和發(fā)展，已廣泛應(yīng)用于數(shù)據(jù)統(tǒng)計、智能交通、金融稅務(wù)等領(lǐng)域。然而由于字符本身種類多，字形復(fù)雜，且手寫字符書寫風(fēng)格因人而異等問題，手寫字符識別的研究仍是當(dāng)前的一大難點。卷積神經(jīng)網(wǎng)具有更仿生的層次化工作機理，能夠自動挖掘訓(xùn)練數(shù)據(jù)內(nèi)部的潛在規(guī)律，很好的避免了預(yù)處理和特征抽取等復(fù)雜的過程，因此在字符識別領(lǐng)域具有天然優(yōu)勢。本文調(diào)研和分析了國內(nèi)外關(guān)于字符識別方面主流的文獻和算法，著重基于卷積神經(jīng)網(wǎng)

2、的識別算法，在現(xiàn)有的卷積神經(jīng)網(wǎng)字符識別算法基礎(chǔ)上，提出了兩種新的卷積神經(jīng)網(wǎng)字符識別模型，在字符識別尤其是漢字識別上取得了良好的識別效果。本文的主要內(nèi)容有：
　　1.通過實驗對LeNet-5卷積神經(jīng)網(wǎng)模型性能進行分析，探討卷積神經(jīng)網(wǎng)的濾波器數(shù)目和尺度、池化方式、激活函數(shù)、正則化方式等參數(shù)對模型性能的影響，為構(gòu)建卷積神經(jīng)網(wǎng)模型實現(xiàn)模型參數(shù)和結(jié)構(gòu)最優(yōu)化提供方向和指導(dǎo)，實驗基于手寫數(shù)字數(shù)據(jù)集MNIST進行。
　　2.本文在卷積層和池

3、化層分別提出了一種多級特征提取模塊，在卷積神經(jīng)網(wǎng)的卷積層、池化層、淺層和深層分別使用多級特征提取模塊替換原有模型中的特征提取結(jié)構(gòu)，實驗證明采取多級特征提取模塊的模型其識別效果優(yōu)于一般的卷積神經(jīng)網(wǎng)。此外，本文提取出單級和多級特征模塊的輸出特征圖，進行可視化對比分析，并對特征圖進行比較，最后在離線手寫漢字數(shù)據(jù)集CASIA-HWDB1.1上進行實驗。
　　3.把卷積神經(jīng)網(wǎng)作為特殊的特征提取器，提取出CNN特征，同時分別提取出傳統(tǒng)的Gab