面向手写汉字识别的残差深度可分离卷积算法

• 作者: 商丽娟 应自炉 朱健菲 陈鹏飞
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 脱机手写汉字识别 残差卷积神经网络 深度可分离卷积 中心损失
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 算法与语言
• 页码范围: 68-72,76
• 页数: 6页
• 分类号: TP312
• 字数: 5087字
• 语种: 中文
• DOI: 10.11907/rjdk.181409

摘要

卷积神经网络(CNN)在脱机手写汉字识别领域取得了杰出的研究成果.采用更深层卷积神经网络可取得更高识别准确率,但是模型容量和计算复杂度也会增加,将模型部署到存储资源和计算力有限的移动设备上变得更加困难.为解决上述问题,提出一种基于深度可分离卷积的残差卷积神经网络.深度可分离卷积将标准卷积操作分离成特征提取和特征融合,逐深度卷积被用于特征提取,特征融合采用逐点卷积实现.使用深度可分离卷积改进残差网络,实现较深层的残差网络.模型使用联合的中心损失函数和softmax损失函数进行监督训练,可使模型学习具有判别性特征,提高了模型识别准确率.采用CASIA-HWDB数据集进行实验,结果表明该方法具有较低的模型容量和计算复杂度,能够达到96.50％的主流识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	应自炉	五邑大学信息工程学院	55	346	8.0	16.0
2	商丽娟	五邑大学信息工程学院	4	4	2.0	2.0
3	朱健菲	五邑大学信息工程学院	2	0	0.0	0.0
4	陈鹏飞	五邑大学信息工程学院	2	0	0.0	0.0