基于特征图叠加的脱机手写体汉字识别

• 作者: 周晓东 毛晓波 程志远
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 汉字识别 深度学习 卷积神经网络 特征图
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 78-82
• 页数: 5页
• 分类号: TP391
• 字数: 3396字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2017314

摘要

采用深度学习方法处理脱机手写体汉字识别问题,提出一种改进的卷积神经网络结构.不同于传统的层与层依次连接的方式,新的结构中将当前层与前一层的特征图进行叠加后共同作为输入进入下一层.与以往结构相比,该卷积神经网络结构缓解了梯度消失的问题,减少了参数数量,且更有效地保留了汉字的细微结构特征.在ICDAR-2013脱机手写体汉字识别竞赛测试集上的实验结果表明,该结构可以在减少模型参数的情况下得到较高的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛晓波	郑州大学电气工程学院	55	913	15.0	29.0
2	程志远	郑州大学产业技术研究院	3	5	1.0	2.0
3	周晓东	郑州大学电气工程学院	6	133	4.0	6.0