10.3969/j.issn.1673-629X.2018.08.021
基于集成注意力层卷积神经网络的汉字识别
针对传统汉字识别受特征提取方法的限制,选择卷积神经网络作为汉字识别的模型.介绍了选择卷积神经网络基准模型的过程,选择AlexNet网络模型作为基准模型,并且详细介绍了AlexNet的网络配置.为了解决形相似汉字的微小差异会在训练中丢失的问题,通过将注意力层与选定的AlexNet网络中的卷积层进行并联,以提高汉字图像中微小差异处的权重,达到提高该处注意力的目的,从而减少卷积层对于丢失信息的影响,提高识别效果.实验结果表明,相比传统汉字识别方法,多层卷积神经网络模型自动提取特征的方法在汉字识别中的效果有显著提高.相比普通卷积神经网络,改进方法在准确率和召回率上均有一定提高.
卷积神经网络、AlexNet、注意力层、汉字识别
28
TP301(计算技术、计算机技术)
国家自然科学基金61371114,611170165;江苏高校高技术船舶协同创新中心/江苏科技大学海洋装备研究院项目1174871701-9
2018-09-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
100-103