一种基于卷积神经网络模型的旋转汉字识别方法

发明专利无效专利

申请号：
CN201610813866.3
IPC分类号：G06K9/68;G06N3/08
申请日期：
2016-09-09
申请人：
华南理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于卷积神经网络模型的旋转汉字识别方法
申请号	CN201610813866.3	申请日期	2016-09-09
法律状态	驳回	申报国家	中国
公开/公告日	2017-02-15	公开/公告号	CN106408038A
优先权	暂无	优先权号	暂无
主分类号	G06K9/68 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕 G06K9/68 应用带有许多基准的多个图像信号的顺序比较的，例如，可寻址存储器〔3〕	IPC分类号	G;0;6;K;9;/;6;8;;;G;0;6;N;3;/;0;8查看分类表>
申请人	华南理工大学	申请人地址	广东省广州市天河区五山路381号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华南理工大学	当前权利人	华南理工大学
发明人	宋旭晨;杨雯;高学;丁彦方;王志鑫
代理机构	广州粤高专利商标代理有限公司	代理人	何淑珍

摘要

本发明提出了一种基于卷积神经网络的手写汉字旋转无关识别方法。其包括在图形处理器上搭建基于包含多种卷积神经网络模型的Caffe深度学习框架的平台；准备训练数据集和带有标签的测试数据集，并利用上述数据集在图形处理器上训练上述卷积神经网络模型进行一级手写汉字的识别；将HCL2000数据库的手写汉字原始图像和随机旋转各个方向后的图像输入卷积神经网络模型，对网络进行训练。最后输入未知旋转汉字进行测试，得到对汉字图像的识别结果。本发明方法具有智能性强，方法简单，分类准确，检测速度快。对于低量级数据库识别性能良好等优点，对任意角度旋转的手写汉字均有很强的识别性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供