基于区域加权LeNet-5网络的汉字识别研究

• 作者: 周有 张珊珊
• 来源期刊: 计算机与数字工程
• 学科: 数学
• 关键词: 卷积神经网络 汉字字符识别 区域加权 LeNet-5网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 2686-2690,2743
• 页数: 6页
• 分类号: O235
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.11.029

摘要

针对传统LeNet-5网络在汉字识别时平等对待字符图像各个区域的问题,无法体现汉字的结构特点,提出了基于区域加权LeNet-5的网络模型作为汉字识别的模型.在传统LeNet-5网络的基础上,第一层卷积操作过程中,引入了区域加权参数,并合理调整了网络的结构.实验表明,在相同的样本条件下,基于区域加权LeNet-5的网络模型可以解决平等对待字符图像各区域的问题,能够很好地体现字符的结构特点,与传统的字符识别方法和现有的神经网络模型相比,基于区域加权LeNet-5网络的识别率均高于其他几种方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周有		18	39	3.0	5.0
2	张珊珊		1	0	0.0	0.0