[发明专利]一种基于CNN的手写英文文档识别方法

权利要求书

1.一种基于CNN的手写英文文档识别方法，其特征在于，所述方法包括以下步骤：

获取由手写英文字母及标点符号文本组成的数据集，基于数据集构造训练样本集及测试样本集；

构造8层卷积神经网络，包括5个卷积层和3个全连接层，最后一个全连接层的输出被送到一个具有59个输出向量的softmax层当中；

采用重叠的Pooling，一个Pooling层是由间隔s个像素的Pooling单元网格组成，每个网格具有一个z*z大小的临近关系，均位于Pooling单元的中心位置，s<z；对输入图像的每个像素进行卷积、下采样、池化操作，得到每层的特征图的大小；

输入训练样本集，提取字符特征，进行分类训练；将提取的单个字符图像统一缩放到320*320像素；添加彩色通道，将字符图像类型转化为320*320*3uint8型数据，得到测试样本集；

利用训练后的神经网络自动识别英文符号。

2.根据权利要求1所述的一种基于CNN的手写英文文档识别方法，其特征在于，所述数据集包括：大写字母26个，小写字母26个，常用标点符号6个，以及1个空格键，总共59个字符。

3.根据权利要求1所述的一种基于CNN的手写英文文档识别方法，其特征在于，所述基于数据集构造训练样本集及测试样本集具体为：

数据集中的每个字符写5遍，将手写英文文档分割成单个字符图像，分类标记图像信息，将每人手写字符平均分为5份；

随机抽取4份作为训练样本集，剩下1份作为测试样本集，进行人工分类标记；

最后，所用数据集大小为训练样本6790个，测试样本1180个。

4.根据权利要求1所述的一种基于CNN的手写英文文档识别方法，其特征在于，所述卷积神经网络利用VGG模型，提取特征向量，包括：

第一层卷积层之后经过激活函数层，规范层和第一层池化层，在第一层池化层中，采用最大池化，对上一卷积层的特征图，利用[2,2]的步长进行池化操作，得到第二层卷积层的输入特征；

第三层激活函数层之后不经过池化层，直接到达第四层卷积层，第四层卷积层输入的特征图大小与第三层卷积层一致，均为3*3*256像素，共256张；经第四层卷积层后进入激活函数层；

进入全连接层，特征图大小为1*1*4096，共59张；随后进入最后一层分类器，将输入字符划分为59个不同类别。