基于双向LSTM的手写文字识别技术研究  

Handwriting Chinese Text Recognition Using BiLSTM Network

作　　者：张新峰 闫昆鹏 赵珣 Zhang Xinfeng;Yan Kunpeng;Zhao Xun(Information Department,Beijing University of Technology,Beijing 100124,China)

机构地区：[1]北京工业大学信息学部

出　　处：《南京师大学报（自然科学版）》2019年第3期58-64,共7页Journal of Nanjing Normal University(Natural Science Edition)

摘　　要：手写文字识别是计算机视觉、自然语言处理领域中的重要问题和研究热点.本文针对手写文字识别问题,提出一种基于双向LSTM网络的手写文字识别方法.首先根据数据集特点进行归一化等预处理;然后使用CNN网络对图像的特征进行提取;接着通过双向LSTM网络来记忆手写文字序列的字句关系,并对文字序列进行预测;最后使用CTC-Loss作为损失函数,可以让整句标注的训练集在上述网络下收敛.对比实验表明本文提出的算法模型的有效性.Handwriting recognition is an active research topic in the domain of natural language processing(NLP)and computer vision(CV).Aiming at the problem of handwriting Chinese text recognition,this paper proposed a method using BiLSTM neural network.The method can be used to recognize Chinese text which writed carefully and neatly.Firstly,according to the student’s characteristics of handwriting,make normalized to the section of data.Then,use CNN network to extract image features and use LSTM network to record the context diagram.Finally use the CTC-Loss function to accelerate convergence in our data model.The results illustrate the effectivemess of the proposed method.

关 键 词：光学字符识别 手写文字识别 深度学习 LSTM神经网络 CTC-Loss损失函数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]