| 面向手写汉字识别的残差深度可分离卷积算法 |
| |
| 引用本文： | 陈鹏飞,应自炉,朱健菲,商丽娟.面向手写汉字识别的残差深度可分离卷积算法[J].教育技术导刊,2018,17(11):68-72. |
| |
| 作者姓名： | 陈鹏飞 应自炉 朱健菲 商丽娟 |
| |
| 作者单位： | 五邑大学 信息工程学院，广东 江门 529020 |
| |
| 摘 要： | 卷积神经网络(CNN)在脱机手写汉字识别领域取得了杰出的研究成果。采用更深层卷积神经网络可取得更高识别准确率，但是模型容量和计算复杂度也会增加，将模型部署到存储资源和计算力有限的移动设备上变得更加困难。为解决上述问题，提出一种基于深度可分离卷积的残差卷积神经网络。深度可分离卷积将标准卷积操作分离成特征提取和特征融合，逐深度卷积被用于特征提取，特征融合采用逐点卷积实现。使用深度可分离卷积改进残差网络，实现较深层的残差网络。模型使用联合的中心损失函数和softmax损失函数进行监督训练，可使模型学习具有判别性特征，提高了模型识别准确率。采用CASIA-HWDB数据集进行实验，结果表明该方法具有较低的模型容量和计算复杂度，能够达到96.50%的主流识别率。
|
| 关 键 词： | 脱机手写汉字识别 残差卷积神经网络 深度可分离卷积 中心损失 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|
