基于卷积神经网络的手写汉字识别方法

肖婷婷

（华东理工大学，上海201424）

随着中国工业4.0的到来，手写汉字识别HCCR应用变得广泛。1996年Nag和Casey使用的模板匹配法识别出1000个印刷体，引起了HCCR研究的热潮。高学等人在风险最小化准则上建立基于SVM的模型[1]，并分析了识别手写汉字遇到的特殊问题。手写汉字具有随意的特点，和印刷体的规范差距甚远，采集合适的字体较困难，且字形复杂，有较多形似字。因此，传统HCCR流程中的预处理、特征提取效果不好，而CNN能够自动提取特征，适合处理非线性关系，对比而言是个好选择[2]。有其他研究者改进了CNN，如Graham等，针对较少的数据集提出了解决方案，进行了知识路径积分特征分析，充分利用了联机时笔画的时序信息，提高了准确率[3]。除CNN外，有其他深度学习的方法也获得了好的效果，DBN更适合处理一维的数据，需要预训练，这两方面均弱于CNN，在HCCR方面，CNN效果更好[4]，因而有人提出了CNN和DBN结合的方法[5]。手写单字的技术已较成熟，但手写文本行依旧是难点，LSTM和RNN适合提取序列信息，解决难题可能性大。

1 数据集特点及预处理

本文采用的是CASIA-HWDB数据集，其中脱机部分比如版本1.0和1.1总共有至少7599个汉字，而minist只要处理10个阿拉伯数字，可见汉字识别的难度之大。

先将数据转成tfrecord格式，同时记录标签，图像，图像的长与宽。并且图片尺寸并不该作为变量输入到模型，故将所有图像都转为64×64像素。且图片的每一个像素点的范围是0~255，统一将其转为以0为中心，1为半径的分布，转为zero-centered数据，加快收敛，若输入全为正或负，导致梯度只往一个方向更新，阶梯状梯度会减慢收敛，会大大影响深度神经网络。……