基于注意力机制的手写体中文字符识别

黄婉蓉; 何凯; 刘坤; 高圣楠

doi:doi:10.3788/LOP57.081002

激光与光电子学进展, 2020, 57 (8): 081002, 网络出版: 2020-04-03

基于注意力机制的手写体中文字符识别下载： 1225次

Handwritten Chinese Character Recognition Based on Attention Mechanism

黄婉蓉何凯 ^*刘坤高圣楠

作者单位

天津大学电气自动化与信息工程学院, 天津 300072

图 & 表

图 1. AT模型网络结构

Fig. 1. AT model network structure

下载图片查看原文

图 2. AT-CNN模型网络结构

Fig. 2. AT-CNN model structure

下载图片查看原文

图 3. HWDB数据集示例

Fig. 3. Examples of HWDB dataset

下载图片查看原文

图 4. AT-CNN模型训练结果。(a) Accuracy曲线图;(b) Loss曲线图

Fig. 4. AT-CNN model training result. (a) Accuracy graph; (b) loss graph

下载图片查看原文

图 5. 手写中文文本

Fig. 5. Handwritten Chinese text

下载图片查看原文

表 1AT-CNN模型结构和参数

Table1. Structure and parameters of the AT-CNN model

Sequence of layer	Feature map size	Number of feature maps	Filter size	Step size
C1	64×64	32	3×3	1
MP2	32×32	32	2×2	2
C3	32×32	64	3×3	1
MP4	16×16	64	2×2	2
C5	16×16	128	3×3	1
MP6	8×8	128	2×2	2
C7	8×8	256	3×3	1
C8	8×8	256	3×3	1
MP9	4×4	256	2×2	2
FC	1×1	1024	—	—
Output	1×1	3755	—	—

查看原文

表 2几种方法在HWDB数据集上识别准确率比较

Table2. Comparison of the recognition accuracy of different methods on HWDB dataset

Recognition method	RAM/MB	Accuracy /%
MQDF^[20]	—	89.55
CCPR-2010 champion: HKU^[21]	339. 10	89. 99
MQDF+CNN^[20]	—	92.03
ICDAR-2011 champion: IDSIAnn-2^[22]	71. 35	92. 18
ICDAR-2013 champion: Fujitsu^[3]	2460. 00	94. 77
HCCR-Ensemble-GoogLeNet^[11]	277. 25	96. 74
CNN	108.30	93.01
AT-CNN	115.30	95.05

查看原文

黄婉蓉, 何凯, 刘坤, 高圣楠. 基于注意力机制的手写体中文字符识别[J]. 激光与光电子学进展, 2020, 57(8): 081002. Wanrong Huang, Kai He, Kun Liu, Shengnan Gao. Handwritten Chinese Character Recognition Based on Attention Mechanism[J]. Laser & Optoelectronics Progress, 2020, 57(8): 081002.

基于注意力机制的手写体中文字符识别下载： 1225次

图 1. AT模型网络结构

Fig. 1. AT model network structure

图 2. AT-CNN模型网络结构

Fig. 2. AT-CNN model structure

图 3. HWDB数据集示例

Fig. 3. Examples of HWDB dataset

图 4. AT-CNN模型训练结果。(a) Accuracy曲线图;(b) Loss曲线图

Fig. 4. AT-CNN model training result. (a) Accuracy graph; (b) loss graph

图 5. 手写中文文本

Fig. 5. Handwritten Chinese text

表 1AT-CNN模型结构和参数

Table1. Structure and parameters of the AT-CNN model

表 2几种方法在HWDB数据集上识别准确率比较

Table2. Comparison of the recognition accuracy of different methods on HWDB dataset

关于本站 Cookie 的使用提示

全站搜索

基于注意力机制的手写体中文字符识别 下载： 1225次

图 1. AT模型网络结构

Fig. 1. AT model network structure

图 2. AT-CNN模型网络结构

Fig. 2. AT-CNN model structure

图 3. HWDB数据集示例

Fig. 3. Examples of HWDB dataset

图 4. AT-CNN模型训练结果。(a) Accuracy曲线图;(b) Loss曲线图

Fig. 4. AT-CNN model training result. (a) Accuracy graph; (b) loss graph

图 5. 手写中文文本

Fig. 5. Handwritten Chinese text

表 1AT-CNN模型结构和参数

Table1. Structure and parameters of the AT-CNN model

表 2几种方法在HWDB数据集上识别准确率比较

Table2. Comparison of the recognition accuracy of different methods on HWDB dataset

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于注意力机制的手写体中文字符识别下载： 1225次