基于多重卷积神经网络的大模式联机手写文字识别
本文主要介绍了基于多重卷积神经网络的大模式联机手写文字识别方法。该方法旨在克服传统方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。
一、卷积神经网络(Convolutional Neural Networks,CNNs)
卷积神经网络是一个深度学习算法,它可以学习和识别图像中的模式。CNNs 的优点在于图像的识别过程中对视觉模式的获得是直接从原始图像中获得的,所以在设计系统时图像的预处理工作很少,与一般神经网络相比是一种高效的识别方法。
二、大模式联机手写文字识别
手写文字识别是模式识别的一个重要领域。随着全球信息化的飞速发展和对自动化程度要求的不断提高,手写文字识别技术被广泛地应用到许多方面。联机手写文字识别要求实时性较高,识别过程中要求特征空间的维数比较高,在进行特征样本训练时要求训练的数目很大,要匹配的特征值或特征对象比较多。
三、基于多重卷积神经网络的大模式联机手写文字识别方法
该方法使用多重卷积神经网络来识别大规模字符集联机手写文字。该方法的优点在于可以提高大规模字符集联机手写文字的识别率。系统使用随机对角 Levenberg-Marquardt 方法来优化训练,通过使用 UNIPEN 训练集测试该方法识别准确率可达 89%,是一个有良好前景的联机手写识别方法。
四、卷积神经网络在模式识别中的应用
卷积神经网络在模式识别领域具有很好的鲁棒性,如在识别有变化的模式和对几何变形的识别方面。卷积神经网络已经成功应用于人机交互系统的_handwriting character recognition、汽车车牌号识别和信息安全中的人脸识别等领域。
五、结论
本文提出了一种基于多重卷积神经网络的大模式联机手写文字识别方法,该方法可以提高大规模字符集联机手写文字的识别率。该方法的应用前景很好,可以广泛应用于模式识别领域。