基于注意力机制的手写体中文字符识别
手写体中文的自动识别在文档数字化、手写笔记转录等方面有广泛应用.针对其具有的书写随意、结构复杂、数目众多等特点,提出了一种基于注意力机制的手写体中文识别方法.在卷积神经网络(CNN)模型的基础上,搭建了一种AT(Attention)-CNN网络模型,利用注意力机制实现网络层之间的信息交互,减少了因池化操作导致的信息丢失.在经典手写体中文数据集HWDB上进行实验,结果表明,该方法的识别准确率可以达到95.05%,相比其他模型有显著提升.
手写体中文、卷积神经网络(CNN)、注意力机制、注意力-CNN模型(AT-CNN模型)
57
TP391(计算技术、计算机技术)
国家自然科学基金61271326
2020-06-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
29-34