多通道交叉融合的深度残差网络脱机手写汉字识别

摘要

针对传统手写汉字识别特征提取过程复杂,识别率低及通用深度学习分类模型判别能力较弱的问题.本文设计了一种多通道交叉融合的深度残差网络模型并对中心损失函数做出了改进.首先,通过对原始数据集进行预处理来降低模型过拟合的风险;然后,将经本文改进后的中心损失函数和Softmax损失函数联合作为模型训练的监督信号,在训练过程中有效的使数据集类内聚合、类间分散,提高了模型的分类性能;最后,将经过预处理的数据集输入到本文设计的模型中,通过多次训练进行参数调整得到最佳识别效果.在CASIAHWDB-V1. 1数据集上的实验表明本文设计的识别模型及算法有效的提高手写汉字的识别率.