基于深度残差网络的脱机手写汉字识别研究

• 作者: 刘星 张宇 张帆 张良
• 来源期刊: 计算机测量与控制
• 关键词: 手写汉字识别 深度学习 深度残差网络 End-to-End 卷积神经网络
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 设计与应用
• 页码范围: 259-262
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.12.067

摘要

手写汉字识别是模式识别与机器学习的重要研究方向和应用领域;近年来,随着深度学习理论方法的完善、新技术的层出不穷,深度神经网络在图像识别分类、图像生成等典型应用中取得了突破性的进展,其中,深度残差网络作为最新的研究成果,已成功应用于手写数字识别、图片识别分类等多个领域;将研究深度残差网络在脱机孤立手写汉字识别中的应用方法,通过改进残差学习模块的单元结构,优化深度残差网络性能,同时通过对训练集的预处理,从数据层面实现训练生成模型性能的提升,最后设计实验,验证深度残差网络、End-to-End模式在脱机手写汉字识别中的可行性,分析、总结存在的问题及今后的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宇	重庆大学建设管理与房地产学院	41	334	11.0	17.0
2	刘星	湖北大学资源环境学院	9	18	2.0	4.0
3	张帆	湖北大学资源环境学院	22	46	4.0	6.0
4	张良	湖北大学资源环境学院	11	35	3.0	5.0