基于CRNN改进的中文手写体文本行识别

• 全文链接
• 请求原文

作   者：

舒珊珊;  郑晓旭;  文成玉; 

作者机构：

成都信息工程大学通信工程学院; 

关键词：

连接时序分类;  卷积模块的注意力机制模块;  卷积循环神经网络;  手写体识别;  双向长短时记忆网络; 

期刊名称：

成都信息工程大学学报

i s s n：

2096-1618

年卷期：

2023 年 38 卷 04 期

页   码：

422-428

摘   要：

中文手写体文本行识别可以将纸质书写内容转换为可编辑的电子内容。对于手写体书写随意性大、中文字符种类多,且基于字符分割的方法识别准确率不高这些问题,提出基于卷积循环神经网络改进的端到端的中文手写体识别方法。首先将图片传入基于改进的Inception结构的特征提取网络,该网络首先改进GoogLeNet模型,然后在此基础上又改进添加卷积模块的注意力机制模块和Inception组合结构,改进后的模型能更好地提取图片的有效特征;之后将提取到的图片特征传入循环层,即两层双向长短时记忆网络进行预测;最后将预测序列传入转录层,经过连接时序分类进行转录输出。在CASIA-HWDB2数据集的实验结果表明,该方法能获得95.12%的识别准确率,证明方法的可行性。