基于深度学习的脱机手写汉字识别

• 作 者: 铁惠杰
• 出 处: 北京工业大学
• 发表日期: 2020年01期
• 关键词: 脱机手写汉字 深度学习 卷积神经网络 注意力机制 图像插值

脱机手写汉字识别在现代办公、金融、智能化等领域都有很大的应用前景。但是由于脱机手写汉字识别对象一般为由扫描仪或摄像头收集到的离线手写汉字图像,这些汉字图像本身受到扭曲,定向模糊,成像设备限制等原因的影响,可采用的有效特征较少。除此之外,汉字本身所具有的类别数目巨大、笔画复杂、相似字繁多等特点也为脱机手写汉字的识别增加了难度。因此,脱机手写汉字识别这个课题在模式识别领域不仅具有重要研究价值,而且也是项艰巨的挑战。随着深度学习在图像分类、自然语言处理和目标检测等领域的应用并获得了飞跃的发展,使用深度学习的方法成为解决脱机手写汉字识别的一种重要途径。本文在研究现有脱机手写汉字识别算法的基础上,针对当前识别算法的缺点和不足,分别从卷积神经网络模型和被识别图像插值重建两个角度出发,对基于深度学习的脱机手写汉字识别方法进行改进,提升识别准确率。具体内容如下:(1)基于Efficient Net网络结构构建脱机手写汉字识别网络模型,并针对Efficient Net网络结构中降低识别准确率的问题,提出随机打乱分组的Efficient Net网络模型,提升脱机手写汉字识别的识别准确率。通过研究分组卷积结构,引入洗牌算法随机打乱分组中通道信息,以完成不同分组之间信息融合。使用随机打乱的分组卷积网络结构替换原Efficient Net网络结构中的MBConv模块,改进该结构中使用大量逐点卷积造成识别准确率降低的问题,提升Efficient Net网络模型的识别准确率。(2)提出双注意模型结构,以提高Efficient Net网络模型的特征表征能力。针对Efficient Net网络模型在图像分类任务中对分类对象特征表征能力不足,导致识别准确率不高的问题,本文提出了一种由通道注意力机制和空间注意力机制相融合的双注意力模型结构。该双注意力模型从输入特征图的通道和空间两个方向出发重构特征图,提高Efficient Net网络模型的特征表征能力。(3)提出纹理细节和边缘结构保持的图像插值算法,解决识别图像放大过程中出现的失真、模糊等问题,提高低分辨率手写汉字图像的识别准确率。本文提出的纹理细节和边缘结构保持的图像插值算法,借鉴双变量有理插值模型,在保留原插值模型纹理细节保真度高的基础上,将原空间距离固定的插值算法改进为空间距离变化的插值算法,提升了边缘区域的平滑性。通过图像插值重建提高重建图像的纹理细节及边缘平滑,最大限度保留原图像的特征以提升了图像的识别准确率。实验表明,本文设计的网络结构在进行脱机手写汉字识别过程中具有较高的识别准确率。当被识别图像的图像分辨率较低时,本文所提纹理细节和边缘结构保持的图像插值算法能够将该图重建为高分辨率图像,最大限度保留原图像的特征,提高了低分辨率手写汉字图像的识别准确率。