[发明专利]一种手写字符的识别方法

权利要求书

1.一种手写字符的识别方法，包括：

步骤1)、制作手写字符对应的印刷体标准图像；

步骤2)、搭建U型全卷积神经网络，初始化网络参数；以手写字符图像作为训练数据，以步骤1)制作得到的各字符对应的印刷体标准图像作为网络的期望输出；

步骤3)、搭建分类器，并训练分类器使其能够准确分类步骤1)制作的各字符标准图像；

步骤4)、级联U-Net与分类器，完成对手写字符的识别。

2.根据权利要求1所述的一种手写字符的识别方法，其中所述的步骤1)中制作手写字符对应的印刷体标准图像，其特征在于，对制作的印刷体标准图像进行灰度化为单通道图像，随后将其二值化，最后处理其图像尺寸，使其与手写字符图像一致。

3.根据权利要求1所述的一种手写字符的识别方法，其中所述的步骤2)搭建U-Net网络结构，其特征在于：以U型全卷积神经网络作为基础网络结构，网络中上采样层与下采样层的数量一致，使得输入数据尺寸与输出数据尺寸一致，以手写字符图像作为训练数据，以步骤1)制作得到的印刷标准体作为网络的期望输出，损失函数采用二分类交叉熵，公式如下：

其中是模型预测样本是正例的概率，y是样本标签，如果样本属于正例，取值为1，否则取值为0。

4.根据权利要求1所述的一种手写字符的识别方法，其中所述的步骤3)搭建分类器，其特征在于：分类器对步骤1)制作得到的各字符的单张标准图像进行学习即可。

5.根据权利要求1所述的一种手写字符的识别方法，其中所述的步骤4)级联U-Net与分类器，其特征在于：U-Net和分类器均在步骤2)、步骤3)中训练完成，两者参数均不再变化，手写字符图像先经过U-Net处理为标准图像，随后分类器对标准图像进行分类，完成对手写字符的识别。

6.根据权利要求1所述的一种手写字符的识别方法，其特征在于：U型全卷积神经网络共包含13个卷积层，2个下采样层，2个上采样层，以及两次跨层连接。

除最后一个卷积层外，其余卷积核大小(Kernel Size)均为3×3，滑动步长为1，边缘填充为1，激活函数为ReLU，公式如下：

f(x)＝max(0，x)

其中x为节点的输入值，f(x)为节点的输入经过激活函数之后的输出值。

卷积层与激活函数之间都加入批量归一化，公式如下：

其中x是卷积后的结果，μ和σ分别是数据的均值和方差，γ和β是两个可学习的参数，分别控制数据的缩放和平移。