文章目录
基本信息
期刊：天津大学学报(自然科学与工程技术版)
IF = 1.152
出版时间：2020年8月
摘要
（1）中文手写体识别困境
中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因，一直是计算机视觉领域中一个具有挑战性的问题。
（2）本文方法
改进经典LeNet-5模型，提出LeNet-Ⅱ模型。
Step1： 利用改进的Inception模块和空洞卷积，设计了一种并行的双路卷积神经网络结构；双路的作用：两路分支可分别提取手写中文图像中不同尺度的特征，获得多个尺度的特征图像。
Step2： 通过对其进行特征融合，可以达到丰富特征图像多样性、提高识别准确率的目的。
Step3： 最后经过全连接层进行分类。
（2）结果
在中文数据集CASIA-HWDB1.1上准确率达到95.21%，高与经典LeNet-5和其他传统算法。
同时，在4幅找人手写的中文文本中的平均识别率也达到了97.30%。
0. 引言
手写中文识别分为：联机手写中文识别 和 脱机手写中文识别。与前者相比，后者没有可利用的笔画时序信息，识别难度更大，准确率更低。本文研究的后者。
1. 经典LeNet-5模型
LeNet-5 模型是一种常用的卷积神经网络，被广泛用于手写体数字识别领域。其模型结构：
1.1 对LeNet-5模型的分析
传统LeNet-5模型适用于手写体数字识别，但对手写中文数字识别的准确率较低。
原因如下：
（1）常用中文字符高达3755个，分类种类过多；
（2）手写中文比数字复杂，特征更多；
（3）LeNet-5 模型输入默认为32*32，不满足要求；
（4）LeNet-5 模型仅有 3 层卷积层，卷积层和池化层采用的卷积核个数都较少，是一个简单的串行网络，不足以提取足够多的特征；
2. LeNet-Ⅱ 模型（即本文模型）
模型结构图：
2.1 模型说明
（1）经典 LeNet-5 模型是一个简单的串行网络，提取汉字特征图像的多样性不足；为此，本文设计了一个并行的双路卷积神经网络，以获得不同尺度的特征图像，增强网络的适应力．
（2）Inception 模块有助于解决由于增加神经网络的层数和宽度所导致的过拟合、梯度弥散、计算复杂度增大等问题.本文重新设计的Inception模块，结构如下：
Inception模块的作用：
Inception 模块有助于解决由于增加神经网络的层数和宽度所导致的过拟合、梯度弥散、计算复杂度增大等问题。
其改进的地方如下：
1）重新分配了Inception模块的4个通道数，适当增加33卷积核的通道数，减少11卷积核的通道数，原来为4：1：2：1，修改为5：1：1：1。
其作用如下：
避免特征表示瓶颈，造成信息损失
2）在3*3卷积层后又添加了一个卷积层。
其作用：
增加3*3卷积层这一通道的表达能力
3）将55的二维卷积核分解层15和5*1两个一维卷积。
其作用：
降低计算成本，减轻过拟合，并利用非堆成的卷积结构来获得丰富的空间特征。
（3）经典LeNet-5模型是一个简单的串行模型，提取汉字特征图像的多样性不足。
故本文设计了一个“并行的双路卷积网络”，以获得不同尺度的特征图像，增强网络的适应能力。
其中，branch1主要由3*3卷积形成，branch2需要用更大的卷积核，以更好的学习汉字图像边缘的形状特征。
但是55或77的卷积核，会极大地增加参数个数和计算复杂度，所以选用空洞卷积来实现不增加参数个数和计算复杂度的情况下，提升模型感知范围。空洞卷积详见博文深入理解空洞卷积
3. 实验结果及分析
3.1 中文字符集
手写中文数据集选用中国科学院自动化研究所(CASIA)模式识别国家重点实验室公布的脱机手写样本数据库(HWDB)中的 CASIA-HWDB1.1 数据集。
其官网：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html
3.2 结果对比
3.3 自己手写数据集的结果
效果达到了97.30%。
