[發(fā)明專利]一種基于CNN的手寫中文文本識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811495474.2
• 申請(qǐng)日: 2018-12-07
• 公開（公告）號(hào): CN109740605A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設(shè)計(jì)）人: 何凱;黃婉蓉;馮旭;高圣楠
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06K9/34
• 分類號(hào): G06K9/34;G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

1.一種基于CNN的手寫中文文本識(shí)別方法，其特征在于，所述方法將單個(gè)手寫中文識(shí)別與文字分割算法結(jié)合起來，實(shí)現(xiàn)了手寫中文文本的自動(dòng)識(shí)別，所述方法包括以下步驟：

對(duì)文本圖片進(jìn)行灰度化、二值化處理，再利用直方圖投影對(duì)中文文本進(jìn)行分割；先通過橫向掃描分割出單行文字，再利用縱向掃描分割出單個(gè)文字；

對(duì)單個(gè)中文圖片進(jìn)行掃描處理，對(duì)中文進(jìn)行正射糾正，并使其位于圖片中間位置，上下左右各留出10個(gè)空白像素；

基于TensorFlow框架構(gòu)造一個(gè)包括：4個(gè)卷積層、4個(gè)池化層和2個(gè)全連接層的卷積神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練集進(jìn)行訓(xùn)練；輸入待測(cè)圖片，根據(jù)構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于CNN的手寫中文文本識(shí)別方法，其特征在于，所述4個(gè)卷積層、4個(gè)池化層和2個(gè)全連接層的卷積神經(jīng)網(wǎng)絡(luò)具體為：

layer1為卷積層，采用64個(gè)3×3的卷積核對(duì)輸入圖像做卷積，輸出64個(gè)64×64的特征圖像；

layer2為池化層，輸入layer1的輸出圖像，池化窗口大小為2×2，步長設(shè)為2×2，選擇填充方式為SAME，故64個(gè)大小為64×64的圖像，經(jīng)layer2計(jì)算后輸出為64個(gè)大小為32×32的特征圖像；

layer3為卷積層，采用128個(gè)3×3的卷積核對(duì)layer2的輸出圖像做卷積，輸出是128個(gè)大小為32×32的特征圖像；

layer4為池化層，輸入為layer3的輸出圖像，池化窗口大小為2×2，步長設(shè)為2×2，選擇填充方式為SAME，故128個(gè)大小為32×32的圖像，經(jīng)layer4計(jì)算后輸出為128個(gè)大小為16×16的特征圖像；

layer5為卷積層，采用256個(gè)3×3的卷積核對(duì)layer4的輸出圖像做卷積，輸出是256個(gè)大小為16×16的特征圖像；

layer6為池化層，輸入為layer5的輸出圖像，池化窗口大小為2×2，步長設(shè)為2×2，選擇padding方式為SAME，故256個(gè)大小為16×16的圖像，經(jīng)layer6計(jì)算后輸出為256個(gè)大小為8×8的特征圖像；

layer7為卷積層，采用512個(gè)3×3的卷積核對(duì)layer6的輸出圖像做卷積，輸出是512個(gè)大小為8×8的特征圖像；

layer8為池化層，輸入為layer7的輸出圖像，池化窗口大小為2×2，步長設(shè)為2×2，選擇padding方式為SAME；經(jīng)layer8計(jì)算后輸出為512個(gè)大小為4×4的特征圖像；

layer9為全連接層，輸入為上一層的輸出圖像，輸出為1024個(gè)神經(jīng)元，在進(jìn)入下一層之前，再次做Dropout處理，Dropout率仍為0.8；

layer10為全連接層，輸入為layer9的輸出，輸出為3755個(gè)神經(jīng)元，用于執(zhí)行最終的識(shí)別。

3.根據(jù)權(quán)利要求2所述的一種基于CNN的手寫中文文本識(shí)別方法，其特征在于，

在layer8的輸出圖像進(jìn)入下一個(gè)網(wǎng)絡(luò)層之前，為防止網(wǎng)絡(luò)模型過擬合，先對(duì)layer8的輸出特征圖像做Dropout處理，Dropout率設(shè)為0.8。

4.根據(jù)權(quán)利要求2所述的一種基于CNN的手寫中文文本識(shí)別方法，其特征在于，4個(gè)池化層均采用最大池化計(jì)算。