卷积神经网络在纸币冠字号识别中的应用

• 作者: 张志文 赵楠楠
• 来源期刊: 辽宁科技大学学报
• 学科: 工学
• 关键词: 卷积神经网络 权值共享 冠字号
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息与控制工程
• 页码范围: 133-137
• 页数: 5页
• 分类号: TP183
• 字数: 2594字
• 语种: 中文
• DOI: 10.13988/j.ustl.2017.02.010

摘要

基于卷积神经网络能够直接从训练样本中提取特征并且具备权值共享等优势,本文提出了利用两级卷积神经网络实现纸币冠字号的识别方法.在字符分割过程中,考虑到待识别对象因破损、脏污等情况而引起的问题,提出了窗口移动配准法.实验表明,识别率可达99.99％以上,识别时间能控制在5 ms以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志文	辽宁科技大学电子与信息工程学院	1	4	1.0	1.0
2	赵楠楠	辽宁科技大学电子与信息工程学院	24	87	5.0	8.0