[發明專利]手寫模型訓練方法、手寫字識別方法、裝置、設備及介質

有效

• 申請號: 201810563480.0
• 申請日: 2018-06-04
• 公開（公告）號: CN109034279B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 黃春岑;周罡
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V30/244
• 分類號: G06V30/244;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 胡志桐

本發明公開了一種手寫模型訓練方法、手寫字識別方法、裝置、設備及介質。該手寫模型訓練方法包括：獲取規范中文字訓練樣本，將規范中文字訓練樣本按預設批次進行批分；采用雙向長短時記憶神經網絡訓練批分后的規范中文字訓練樣本，采用時間相關反向傳播算法更新網絡參數，獲取規范中文字識別模型；獲取并采用非規范中文字訓練樣本，訓練獲取調整中文手寫字識別模型；獲取并采用待測試中文字樣本得到出錯字訓練樣本；基于批量梯度下降的時間相關反向傳播算法，采用出錯字訓練樣本更新中文手寫字識別模型的網絡參數，獲取目標中文手寫字識別模型。采用該手寫模型訓練方法，能夠得到識別手寫字識別率高的目標中文手寫字識別模型。

技術領域

本發明涉及中文字識別領域，尤其涉及一種手寫模型訓練方法、手寫字識別方法、裝置、設備及介質。

背景技術

傳統手寫字識別方法大多包括二值化處理、字符分割、特征提取和支持向量機等步驟進行識別，采用傳統手寫字識別方法在識別較為潦草的非規范字(手寫中文字)時，識別的精確度不高，使得其識別效果不理想。傳統手寫字識別方法很大程度上只能識別規范字，對實際生活中各種各樣的手寫字進行識別時，準確率較低。

發明內容

本發明實施例提供一種手寫模型訓練方法、裝置、設備及介質，以解決當前手寫字識別準確率不高的問題。

一種手寫模型訓練方法，包括：

獲取規范中文字訓練樣本，并將所述規范中文字訓練樣本按預設批次進行批分；

將批分后的規范中文字訓練樣本輸入到雙向長短時記憶神經網絡中進行訓練，獲取雙向長短時記憶神經網絡的前向輸出，根據雙向長短時記憶神經網絡的前向輸出，采用時間相關反向傳播算法更新雙向長短時記憶神經網絡的網絡參數，獲取規范中文字識別模型；

獲取非規范中文字訓練樣本，并將所述非規范中文字訓練樣本按預設批次進行批分；

將批分后的非規范中文字訓練樣本輸入到所述規范中文字識別模型中進行訓練，獲取規范中文字識別模型的前向輸出，根據規范中文字識別模型的前向輸出，采用時間相關反向傳播算法更新所述規范中文字識別模型的網絡參數，獲取調整中文手寫字識別模型；

獲取待測試中文字樣本，采用所述調整中文手寫字識別模型識別所述待測試中文字樣本，獲取識別結果與真實結果不符的出錯字，把所有所述出錯字作為出錯字訓練樣本；

將所述出錯字訓練樣本輸入到所述調整中文手寫字識別模型中進行訓練，獲取調整中文手寫字識別模型的前向輸出，根據調整中文手寫字識別模型的前向輸出，采用基于批量梯度下降的時間相關反向傳播算法更新調整中文手寫字識別模型的網絡參數，獲取目標中文手寫字識別模型。

一種手寫模型訓練裝置，包括：

規范中文字訓練樣本獲取模塊，用于獲取規范中文字訓練樣本，并將所述規范中文字訓練樣本按預設批次進行批分；

規范中文字識別模型獲取模塊，用于將批分后的規范中文字訓練樣本輸入到雙向長短時記憶神經網絡中進行訓練，獲取雙向長短時記憶神經網絡的前向輸出，根據雙向長短時記憶神經網絡的前向輸出，采用時間相關反向傳播算法更新雙向長短時記憶神經網絡的網絡參數，獲取規范中文字識別模型；

非規范中文字訓練樣本獲取模塊，用于獲取非規范中文字訓練樣本，并將所述非規范中文字訓練樣本按預設批次進行批分；

調整中文手寫字識別模型獲取模塊，用于將批分后的非規范中文字訓練樣本輸入到所述規范中文字識別模型中進行訓練，獲取規范中文字識別模型的前向輸出，根據規范中文字識別模型的前向輸出，采用時間相關反向傳播算法更新所述規范中文字識別模型的網絡參數，獲取調整中文手寫字識別模型；