[发明专利]基于深度卷积神经网络的脱机手写汉字识别方法

摘要

本发明提出采用深度卷积神经网络的脱机手写汉字方法，具体地，先采用空间变换网络对HWDB1.1数据库的手写汉字进行旋转、平移和缩放。使得原本任意位置，比例和方向的汉字图片得到纠正。之后将纠正的手写数据集输入到卷积神经网络进行识别分类。其中对原图片进行旋转、平移和缩放的扭曲参数增量是由一个卷积神经网络或神经网络不断通过反向传播调整计算而来。扭曲参数的增量和扭曲参数用合成的方式进行更新参数。最后我们在TensorFlow深度学习框架平台上搭建了本发明的手写汉字识别的网络框架。并与单纯的采用卷积神经网络识别手写汉字网络框架作对比，经过大量数据集的训练，测试的结果表明手写汉字识别率得到显著提高。

主权项

一种基于深度卷积神经网络的脱机手写汉字识别的方法，其特征在于包括如下步骤：在Windows上搭建TensorFlow深度学习框架；准备数据集，将数据集转化为TensorFlow的输入形式，并将图片进行归一化预处理；在TensorFlow环境下搭建反向合成空间变换网络以及深度的卷积神经网络，采用反向合成空间网络对手写汉字进行扭曲形变，得到纠正和对齐。并将其输出作为卷积神经网络的输入；最后采用大量的数据对反向合成空间变换网络和卷积神经网络形成的网络进行训练、测试。并通过TensorBoard工具对网络处理过程中的图片及最终测试结果可视化，分析其作用，并对比识别效果。