作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在传统的OCR文字识别系统中,研究者主要关注的主要问题是文字的识别.但是由于现代印刷技术的发展与应用,对于印刷体文字版面的恢复成为当前一种重要应用需求.不仅需要识别出文字,还应该识别出文字的字体格式.目前针对汉字字体识别的研究较少,而且大部分基于特征提取方法,主要以局部特征,和全局特征为主.提出一种基于CNN的深度学习方法,来处理汉字字体识别.和以往的方法相比较,该方法识别率高,速度快,适用于复杂的应用环境,具有良好的实际使用价值.
推荐文章
基于SVM的汉字字体识别研究
字体识别
Gabor小波
支持向量机
基于小波特征的单字符汉字字体识别
字体识别
单字符
小波特征
LDA
MQDF
基于增强CNN模型的手写字体图像识别
汉字识别
增强CNN模型
高阶差分
LetNet-5
基于神经网络的小样本手写汉字识别
卷积神经网络
文字图像识别
Batch-Normalization
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CNN网络的汉字图像字体识别
来源期刊 现代计算机 学科
关键词 OCR CNN 识别 字体识别 特征提取
年,卷(期) 2017,(5) 所属期刊栏目 图形图像
研究方向 页码范围 67-70
页数 4页 分类号
字数 1990字 语种 中文
DOI 10.3969/j.issn.1007-1423.2017.05.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘志伟 四川大学计算机学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (32)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
OCR
CNN
识别
字体识别
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机
旬刊
1007-1423
44-1415/TP
16开
广东省广州市
46-121
1984
chi
出版文献量(篇)
11312
总下载数(次)
39
总被引数(次)
33178
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导