一种基于卷积神经网络模型的旋转汉字识别方法

摘要： 本发明提出了一种基于卷积神经网络的手写汉字旋转无关识别方法。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. 准备训练数据集和带有标签的测试数据集；
3. 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进行一级手写汉字的识别；
4. 将HCL2000数据库的手写汉字原始图像和随机旋转各个方向后的图像输入卷积神经网络模型，对网络进行训练；
5. 输入未知旋转汉字进行测试，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； - 方法简单； - 分类准确； - 检测速度快； - 对于低量级数据库识别性能良好； - 对任意角度旋转的手写汉字均有很强的识别性能。

摘要：本发明提出了一种基于卷积神经网络的手写汉字旋转无关识别方法。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；准备训练数据集和带有标签的测试数据集，并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进行一级手写汉字的识别；将HCL2000数据库的手写汉字原始图像和随机旋转各个方向后的图像输入卷积神经网络模型，对网络进行训练。最后输入未知旋转汉字进行测试，得到对汉字图像的识别结果。本发明方法具有智能性强，方法简单，分类准确，检测速度快。对于低量级数据库识别性能良好等优点，对任意角度旋转的手写汉字均有很强的识别性能。