[发明专利]一种基于CNN的手写中文文本识别方法

权利要求书

1.一种基于CNN的手写中文文本识别方法，其特征在于，所述方法将单个手写中文识别与文字分割算法结合起来，实现了手写中文文本的自动识别，所述方法包括以下步骤：

对文本图片进行灰度化、二值化处理，再利用直方图投影对中文文本进行分割；先通过横向扫描分割出单行文字，再利用纵向扫描分割出单个文字；

对单个中文图片进行扫描处理，对中文进行正射纠正，并使其位于图片中间位置，上下左右各留出10个空白像素；

基于TensorFlow框架构造一个包括：4个卷积层、4个池化层和2个全连接层的卷积神经网络，利用训练集进行训练；输入待测图片，根据构建的卷积神经网络进行识别。

2.根据权利要求1所述的一种基于CNN的手写中文文本识别方法，其特征在于，所述4个卷积层、4个池化层和2个全连接层的卷积神经网络具体为：

layer1为卷积层，采用64个3×3的卷积核对输入图像做卷积，输出64个64×64的特征图像；

layer2为池化层，输入layer1的输出图像，池化窗口大小为2×2，步长设为2×2，选择填充方式为SAME，故64个大小为64×64的图像，经layer2计算后输出为64个大小为32×32的特征图像；

layer3为卷积层，采用128个3×3的卷积核对layer2的输出图像做卷积，输出是128个大小为32×32的特征图像；

layer4为池化层，输入为layer3的输出图像，池化窗口大小为2×2，步长设为2×2，选择填充方式为SAME，故128个大小为32×32的图像，经layer4计算后输出为128个大小为16×16的特征图像；

layer5为卷积层，采用256个3×3的卷积核对layer4的输出图像做卷积，输出是256个大小为16×16的特征图像；

layer6为池化层，输入为layer5的输出图像，池化窗口大小为2×2，步长设为2×2，选择padding方式为SAME，故256个大小为16×16的图像，经layer6计算后输出为256个大小为8×8的特征图像；

layer7为卷积层，采用512个3×3的卷积核对layer6的输出图像做卷积，输出是512个大小为8×8的特征图像；

layer8为池化层，输入为layer7的输出图像，池化窗口大小为2×2，步长设为2×2，选择padding方式为SAME；经layer8计算后输出为512个大小为4×4的特征图像；

layer9为全连接层，输入为上一层的输出图像，输出为1024个神经元，在进入下一层之前，再次做Dropout处理，Dropout率仍为0.8；

layer10为全连接层，输入为layer9的输出，输出为3755个神经元，用于执行最终的识别。

3.根据权利要求2所述的一种基于CNN的手写中文文本识别方法，其特征在于，

在layer8的输出图像进入下一个网络层之前，为防止网络模型过拟合，先对layer8的输出特征图像做Dropout处理，Dropout率设为0.8。

4.根据权利要求2所述的一种基于CNN的手写中文文本识别方法，其特征在于，4个池化层均采用最大池化计算。