天津大学电气自动化与信息工程学院, 天津 300072
手写体中文的自动识别在文档数字化、手写笔记转录等方面有广泛应用。针对其具有的书写随意、结构复杂、数目众多等特点,提出了一种基于注意力机制的手写体中文识别方法。在卷积神经网络(CNN)模型的基础上,搭建了一种AT(Attention)-CNN网络模型,利用注意力机制实现网络层之间的信息交互,减少了因池化操作导致的信息丢失。在经典手写体中文数据集HWDB上进行实验,结果表明,该方法的识别准确率可以达到95.05%,相比其他模型有显著提升。
手写体中文 卷积神经网络(CNN) 注意力机制 注意力-CNN模型(AT-CNN模型) 激光与光电子学进展
2020, 57(8): 081002
长治学院电子信息与物理系, 山西 长治 046011
针对原有手写汉字识别系统中文字特征提取的相关问题,结合 卷积神经网智能化学习字形相似字的 有效特征,设计了一种全新的手写汉字光学图像识别系统。通过手写云平台中丰富的数据资源对模型进行 高效训练,根据频度统计形成特定的相似子集,有效优化识别率。实验结果表明,与支持向量机(SVM)及 最近邻分类器方法相比,提出的方法能够显著提升识别率。
图像处理 手写汉字 自动学习 卷积神经网 云平台 识别率 image processing handwritten Chinese characters automatic learning convolution neural network cloud platform recognition rate
上海交通大学图像处理与模式识别研究所,上海,200030
手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题.针对离线手写体汉字,提出一种基于笔划提取和合并的手写体汉字字符切分算法.该算法首先基于方向游程提取汉字的笔划,并建立笔划框;再根据汉字笔划的结构知识对笔划框进行合并,得到字符的切分结果.该算法能较好地解决粘连汉字字符的切分问题,对从现场随机采集的2500封手写体信函地址汉字进行切分,单字正确率可达91.5%.
手写体汉字切分 离线汉字识别 汉字笔划 笔划框 Handwritten Chinese character segmentation Off－line Chinese character recognition Stroke of chinese characters Stroke bounding box
