[发明专利]手写模型训练方法、手写字识别方法、装置、设备及介质

说明书

本发明公开了一种手写模型训练方法、手写字识别方法、装置、设备及介质。该手写模型训练方法包括：获取规范中文字训练样本，初始化卷积神经网络，将所述规范中文字训练样本输入到卷积神经网络中进行训练，采用基于随机梯度下降的后向传播算法更新卷积神经网络的权值和偏置，获取规范中文字识别模型；获取并采用非规范中文字训练样本，训练获取调整中文手写字识别模型；获取并采用待测试中文字样本得到出错字训练样本；基于批量梯度下降的后向传播算法，采用出错字训练样本更新中文手写字识别模型的权值和偏置，获取目标中文手写字识别模型。采用该手写模型训练方法，能够得到识别手写字识别率高的目标中文手写字识别模型。

技术领域

本发明涉及中文字识别领域，尤其涉及一种手写模型训练方法、手写字识别方法、装置、设备及介质。

背景技术

传统手写字识别方法大多包括二值化处理、字符分割、特征提取和支持向量机等步骤进行识别，采用传统手写字识别方法在识别较为潦草的非规范字(手写中文字)时，识别的精确度不高，使得其识别效果不理想。传统手写字识别方法很大程度上只能识别规范字，对实际生活中各种各样的手写字进行识别时，准确率较低。

发明内容

本发明实施例提供一种手写模型训练方法、装置、设备及介质，以解决当前手写字识别准确率不高的问题。

一种手写模型训练方法，包括：

采用光学字符识别技术获取待处理中文字训练样本中每个中文字的像素值特征矩阵；

基于待处理中文字训练样本中每个中文字的像素值特征矩阵获取规范中文字训练样本；

初始化卷积神经网络；

将所述规范中文字训练样本输入到卷积神经网络中进行训练，采用基于随机梯度下降的后向传播算法更新卷积神经网络的权值和偏置，获取规范中文字识别模型；

获取非规范中文字训练样本，将所述非规范中文字训练样本输入到所述规范中文字识别模型中进行训练，采用基于随机梯度下降的后向传播算法更新所述规范中文字识别模型的权值和偏置，获取调整中文手写字识别模型；

获取待测试中文字样本，采用所述调整中文手写字识别模型识别所述待测试中文字样本，获取识别结果与真实结果不符的出错字，把所有所述出错字作为出错字训练样本；

将所述出错字训练样本输入到所述调整中文手写字识别模型中进行训练，采用基于批量梯度下降的后向传播算法更新调整中文手写字识别模型的权值和偏置，获取目标中文手写字识别模型。

一种手写模型训练装置，包括：

像素值特征矩阵获取模块，用于采用光学字符识别技术获取待处理中文字训练样本中每个中文字的像素值特征矩阵；

规范中文字训练样本获取模块，用于基于待处理中文字训练样本中每个中文字的像素值特征矩阵获取规范中文字训练样本；

初始化模块，用于初始化卷积神经网络；

规范中文字识别模型获取模块，用于将所述规范中文字训练样本输入到卷积神经网络中进行训练，采用基于随机梯度下降的后向传播算法更新卷积神经网络的权值和偏置，获取规范中文字识别模型；

调整中文手写字识别模型获取模块，用于获取非规范中文字训练样本，将所述非规范中文字训练样本输入到所述规范中文字识别模型中进行训练，采用基于随机梯度下降的后向传播算法更新所述规范中文字识别模型的权值和偏置，获取调整中文手写字识别模型；

出错字训练样本获取模块，用于获取待测试中文字样本，采用所述调整中文手写字识别模型识别所述待测试中文字样本，获取识别结果与真实结果不符的出错字，把所有所述出错字作为出错字训练样本；