10.3969/j.issn.1672-9722.2020.11.029
基于区域加权LeNet-5网络的汉字识别研究
针对传统LeNet-5网络在汉字识别时平等对待字符图像各个区域的问题,无法体现汉字的结构特点,提出了基于区域加权LeNet-5的网络模型作为汉字识别的模型.在传统LeNet-5网络的基础上,第一层卷积操作过程中,引入了区域加权参数,并合理调整了网络的结构.实验表明,在相同的样本条件下,基于区域加权LeNet-5的网络模型可以解决平等对待字符图像各区域的问题,能够很好地体现字符的结构特点,与传统的字符识别方法和现有的神经网络模型相比,基于区域加权LeNet-5网络的识别率均高于其他几种方法.
卷积神经网络、汉字字符识别、区域加权、LeNet-5网络
48
O235(控制论、信息论(数学理论))
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
2686-2690,2743