10.3969/j.issn.1002-0640.2019.04.034
基于增强CNN模型的手写字体图像识别
为了提高汉字的识别率,提出了一种改进的图像识别算法,根据偏微分方程理论,提出一种增强CNN模型识别汉字,将原有的图像用高阶差分法进行增强处理,然后在原始的LeNet-5网络结构的基础上,将前两层的激活函数改为ReLu函数,并且去掉C5层以及F6层,通过增加输出层的神经元数来增加汉字的识别率.研究结果表明:经过图像增强和增加输出神经元数的改进,对汉字进行识别,识别率达到了98.44%,相比较于其他汉字识别算法提高了3%~9%,从而证明了算法的可行性.
汉字识别、增强CNN模型、高阶差分、LetNet-5
44
TP391(计算技术、计算机技术)
辽宁省教育科学规划基金资助项目JG16ZXZK010
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
169-172,178