脱机手写汉字

作品数：36被引量：94H指数：7
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：丁晓青方驰徐东张洪刚王建平更多>>
相关机构：清华大学河北大学武汉大学北京邮电大学更多>>
相关期刊：《计算机工程》《新疆师范大学学报（自然科学版）》《中国经贸》《计算机光盘软件与应用》更多>>
相关基金：国家自然科学基金河北省自然科学基金河北省教育厅科学技术研究计划河北省高等教育学会高等教育科学研究课题更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
图像处理与卷积神经网络相结合的脱机手写汉字识别方法
《梧州学院学报》2024年第5期54-62,共9页陈悦 黄寄洪 
梧州学院校级科研项目(2023B006)。
为了解决传统脱机手写汉字识别方法对相似手写汉字识别率低的问题,提出了一种图像处理与卷积神经网络相结合的两阶段脱机手写汉字识别方法:第一阶段使用传统的卷积神经网络进行识别,第二阶段使用基于图像处理的差异辨别方法进行更加精...
关键词：脱机手写汉字识别 相似汉字 卷积神经网络 差异辨别方法 
改进MobileNetV3的脱机手写汉字识别
《智能计算机与应用》2022年第7期160-164,共5页程若然 周浩军 刘露露 贺炎 
针对目前手写识别网络训练时间长、高资源消耗等问题,本文提出了一种脱机手写汉字识别网络模型。使用轻量级网络MobileNetV3作为主干网络,以减少网络参数量;针对汉字识别分类数庞大的特点,使用多尺度卷积核,提取更丰富的特征信息;针对...
关键词：脱机手写汉字识别 深度学习 MobileNetV3 特征融合 注意力机制 
SqueezeNet和动态网络手术的脱机手写汉字识别
《小型微型计算机系统》2021年第3期556-560,共5页周於川 谭钦红 奚川龙 
信号与信息处理重庆市市级重点实验室建设项目(CSTC2009CA2003)资助。
传统和基于CNN的脱机手写汉字识别模型多数是为了追求更高准确率,未重视模型体积大小,模型中存在大量冗余参数,模型训练周期长并且很难在资源有限的平台上运行.针对这些问题,本文提出改进的SqueezeNet模型,保留了用小卷积核替代大卷积...
关键词：SqueezeNet 动态手术网络 脱机手写汉字识别 深度学习 特征融合 L2-Softmax 
DBN和CNN融合的脱机手写汉字识别被引量：7
《哈尔滨理工大学学报》2020年第3期137-143,共7页李兰英 周志刚 陈德运 
国家自然科学基金青年基金(61501147)。
针对脱机手写汉字形近字多,提取特征难,识别不准的问题,提出了一种卷积神经网络和深度信念网络的融合模型。首先在数据集上分别训练卷积神经网络和深度信念网络,发现二者的综合TOP-2准确率可达到99.33%。利用卷积神经网络和深度信念网...
关键词：卷积神经网络 深度信念网络 脱机手写汉字 
基于改进inception的脱机手写汉字识别被引量：8
《计算机应用研究》2020年第4期1244-1246,1251,共4页陈站 邱卫根 张立臣 
国家自然科学基金资助项目(61873068)。
研究基于inceptions结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少的优点。该方法在数据集CISIA-HWDB1.1上进行了实验验证,采用随机梯度下降优...
关键词：脱机手写汉字 卷积神经网络 INCEPTION 
基于MQDF-DBM模型的脱机手写体汉字识别
《计算机工程与应用》2020年第7期141-146,共6页覃朝勇 郑鹏 张骁 
国家自然科学基金(No.71462002)。
针对脱机手写体汉字识别准确率较低的问题,提出一种基于修正的二次判别函数(Modified Quadratic Discriminant Function,MQDF)与深度玻尔兹曼机(Deep Boltzmann Machine,DBM)的分类器级联模型。该模型的主要思想是MQDF和DBM在特征提取...
关键词：修正的二次判别函数 深度玻尔兹曼机 脱机手写汉字识别 
多通道交叉融合的深度残差网络脱机手写汉字识别被引量：8
《小型微型计算机系统》2019年第10期2232-2235,共4页张秀玲 周凯旋 魏其珺 董逍鹏 
河北省自然科学基金项目(E2015203354)资助;河北省高校创新团队领军人才培育计划项目(LJRC013)资助;河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100)资助;2016年燕山大学基础研究专项培育课题项目(16LGY015)资助;河北省高等教育学会高等教育科学研究课题重点课题项目(GJXHZ2015-1)资助
针对传统手写汉字识别特征提取过程复杂,识别率低及通用深度学习分类模型判别能力较弱的问题.本文设计了一种多通道交叉融合的深度残差网络模型并对中心损失函数做出了改进.首先,通过对原始数据集进行预处理来降低模型过拟合的风险;然后...
关键词：交叉融合 深度学习 残差网络 中心损失 手写汉字识别 
基于深度卷积神经网络的脱机手写汉字识别系统的设计与实现被引量：6
《湖北理工学院学报》2019年第2期31-34,共4页林恒青 
2017年福建省教育厅科技项目(项目编号:JAT170942)
针对传统手写汉字识别的特征提取方法的局限性,采用深度学习的方法对手写汉字进行图像识别,借鉴GoogLeNet网络搭建了一个适合手写汉字识别的卷积神经网络。利用BN层训练神经网络,最终训练得到的神经网络在验证集上的top1正确率达到96%以...
关键词：手写汉字识别 深度学习 卷积神经网络 
面向手写汉字识别的残差深度可分离卷积算法被引量：2
《软件导刊》2018年第11期68-72,76,共6页陈鹏飞 应自炉 朱健菲 商丽娟 
国家自然科学基金项目(61771347;61372193)
卷积神经网络(CNN)在脱机手写汉字识别领域取得了杰出的研究成果。采用更深层卷积神经网络可取得更高识别准确率,但是模型容量和计算复杂度也会增加,将模型部署到存储资源和计算力有限的移动设备上变得更加困难。为解决上述问题,提出一...
关键词：脱机手写汉字识别 残差卷积神经网络 深度可分离卷积 中心损失 
基于粗细粒度深度学习的脱机手写汉字识别被引量：1
《梧州学院学报》2018年第3期43-50,共8页陈悦 黄寄洪 
梧州学院青年研究项目(2016D006)
手写汉字识别是模式识别的一个重要研究领域,随着深度学习新技术的出现,近年来基于深度学习的手写汉字识别在正确率和效率上均得到了突破性的进展。文章在多层卷积神经网络的基础上,提出了使用粗细粒度分层相结合的方法来训练和识别脱...
关键词：手写汉字识别 深度学习 卷积神经网络 
全选清除导出
共4页<1234>
检索报告 对象比较 聚类工具 使用帮助 返回顶部