10.3778/j.issn.1002-8331.1904-0029
特征分组提取融合深度网络手写汉字识别
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,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合.利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息.将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题.最终训练出的神经网络达到top1当前先进的正确率为97.16%,同时top5正确率为99.36%,并具有很好的泛化能力.
手写汉字识别、卷积神经网络、特征分组、信息精炼和浓缩
56
TP391(计算技术、计算机技术)
国家自然科学基金;河北省自然科学基金;中国博士后科学基金;河北省高等学校优秀青年培养计划
2020-06-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
163-168