[发明专利]基于深层卷积神经网络的离线手写汉字体识别方法

权利要求书

1.一种基于深层卷积神经网络的离线手写汉字体识别方法，其特征在于，包括以下步骤：

1)对汉字图像采集以及读取；

2)对图像进行处理，过程如下：

2.1)首先要进行汉字分割，把图片中所有汉字分割成1张图片一个汉字；

2.2)接着对图片进行压缩或者放大，因为分割出来的图片可能无法满足识别的输入，因此需要将图片进行归一化，统一大小为64*64像素；

3)读入处理过之后的图片组，利用已经训练好的深层卷积神经网络识别，并输出结果；

所述深层卷积神经网络包含3个卷积层、3个池化层、1个全连接层以及1个softmax层，输入一个64*64像素且含有单一汉字的图片，经过卷积层1产生64个64*64的矩阵，经过池化层1后产生64个32*32的矩阵，经过卷积层2、池化层2、卷积层3、池化层3后产生256个8*8的矩阵，再经过全连接层产生1个1*1024的矩阵，最后经过softmax层输出属于各种类别汉字的概率。

2.如权利要求1所述的基于深层卷积神经网络的离线手写汉字体识别方法，其特征在于，所述步骤3)中，所述深层卷积神经网络中，在最后的输出种类做调整，因为在后面的训练数据库中包含3755个汉字种类，所以输出3755个汉字种类；

Softmax函数表达式如下：

其中，p_i表示经过Softmax函数后，图片属于第i个类别的概率；M表示识别的种类数；

ReLU激活函数表达式为：

f(x)＝max(x,0)

池化方式中的max-pooling指采用最大值池化，在进行卷积的过程中，在图像边界进行填充，填充值为0，当进行卷积操作时会考虑周围填充的图像像素。

3.如权利要求2所述的基于深层卷积神经网络的离线手写汉字体识别方法，其特征在于，利用中科院的CASIA手写中文库中的HWDB1.1离线数据集对网络结构进行检验。

4.如权利要求1～3之一所述的基于深层卷积神经网络的离线手写汉字体识别方法，其特征在于，所述方法还包括以下步骤：

4)用户的结果反馈，根据用户反馈若干识别错的汉字，采用人工识别，并加入到网络的训练集中对网络进行更新训练，训练完成后可以对网络参数进行更新并传入识别系统中，设定一个更新周期等方式进行更新。

5.如权利要求1～3之一所述的基于深层卷积神经网络的离线手写汉字体识别方法，其特征在于，所述步骤1)中，采用拍照技术进行汉字图像采集。