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 |
|