特征分组提取融合深度网络手写汉字识别

• 作者: 周贺 张露 李国强 马锴
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 手写汉字识别 卷积神经网络 特征分组 信息精炼和浓缩
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 163-168
• 页数: 6页
• 分类号: TP391
• 字数: 3594字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0029

摘要

针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题.设计了一个特征分组提取融合的深度卷积神经网络模型.通过多级堆叠的特征分组提取模块,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合.利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息.将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题.最终训练出的神经网络达到top1当前先进的正确率为97.16％,同时top5正确率为99.36％,并具有很好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国强	燕山大学河北省工业计算机控制工程重点实验室	56	266	9.0	14.0
2	马锴	燕山大学河北省工业计算机控制工程重点实验室	15	88	6.0	9.0
3	张露	燕山大学河北省工业计算机控制工程重点实验室	3	5	1.0	2.0
4	周贺	燕山大学河北省工业计算机控制工程重点实验室	1	0	0.0	0.0