一种基于形变方法进行数据扩展的脱机手写汉字识别方法

摘要：

本发明提出了一种基于形变方法进行数据扩展的脱机手写汉字识别方法。该方法包括以下步骤：

1. 在图形处理器上搭建基于包含多种卷积神经网络模型的Caffe深度学习框架的平台；
2. 通过弹性形变、错切、小角度范围旋转等操作，扩展训练数据集；
3. 准备带有标签的测试数据集；
4. 利用上述数据集在图形处理器上训练上述卷积神经网络模型；
5. 对一级手写汉字进行类别划分；
6. 将HCL2000数据库的手写汉字原始图像及其分别经过弹性形变、错切、小角度范围旋转处理的图像输入卷积神经网络模型，对网络进行训练；
7. 最后，输入未知汉字进行测试，得到对汉字图像的识别结果。

本发明方法具有以下优点：

• 智能性强；
• 分类识别准确；
• 检测速度快；
• 对于低量级数据库识别性能良好；
• 对手写汉字均有出色的识别能力。

摘要：本发明提出了一种基于形变方法进行数据扩展的脱机手写汉字识别方法。其包括在图形处理器上搭建基于包含多种卷积神经网络模型的Caffe深度学习框架的平台；通过弹性形变，错切，小角度范围旋转来扩展训练数据集，并准备带有标签的测试数据集，利用上述数据集在图形处理器上训练上述卷积神经网络模型；一级手写汉字的类别；将HCL2000数据库的手写汉字原始图像和分别进行弹性形变，错切，小角度范围旋转处理的图像输入卷积神经网络模型，对网络进行训练。最后输入未知汉字进行测试，得到对汉字图像的识别结果。本发明方法具有智能性强，分类识别准确，检测速度快，对于低量级数据库识别性能良好等优点，对手写汉字均有出色的识别能力。