基于改进AlexNet卷积神经网络的手写体数字识别

谢东阳， 李丽宏， 苗长胜

(河北工程大学 信息与电气工程学院，河北 邯郸 056038)

手写体数字识别是光学字符识别(Optical Character Recognition，OCR)的一个分支，是利用计算机将图片中的文字信息转换为计算机语言的过程。数字识别是一种图像分类问题，一直是机器深度学习的一个热点研究问题，在快递单号、财务报表、手写票据等领域广泛应用[1-2]。数字识别的重点在于算法对图像本身的特征提取，传统的分类算法都存在特征提取不充分的问题，如贝叶斯分类法、K最近邻算法、支持向量机(Support Vector Machines，SVM)、BP(Back Propagation)神经网络等[3]。

卷积神经网络(Convolutional Neural Network，CNN)的出现，极大地提高了手写数字识别的准确率。CNN是由美国学者Cun提出的一种深度前馈人工神经网络，包括卷积层、池化层、全连接层和输出层[4]。CNN通过对提取到的图像特征自动学习，能够获得更高层次的特征表达，使学习到的特征信息具有更好的泛化能力[5]。邓长银等[6]通过改变LeNet-5模型的网络层数、激活函数以及输入图片的尺寸，相较传统方法识别率有所提高。茹晓青[7]等提出了一种基于形变卷积神经网络的识别方法，利用形变卷积代替VGG16模型中的普通卷积，提高了多变外观数字的识别精度。陈玄等[8]提出了一种融合卷积神经网络，通过融合两种网络的高级特征，增加网络层的高级尺寸，增强网络的表达能力，识别的精度高于两种模型单独使用。

尽管卷积神经网络在图像分类任务中表现优越，但是对于分辨率较小的图像，深度网络会浪费过多的计算资源。本……