基于深度残差网络的文字识别算法研究

摘要

房产证、名片、公司营业执照等信息的收集通常是通过人工进行录入,而人工的录入方式存在效率低和容易出错的问题,因此汉字和数字的识别技术具有很重要的实用价值.由于汉字的种类繁多,传统的印刷体汉字识别存在精度低,不能满足实际应用需求等不足.随着深度学习的快速发展,多分类问题的精度得到显著改善,中文汉字识别得到了快速发展.但是针对汉字的识别深度学习网络存在网络模型复杂、容易过拟合的不足.若简化网络模型又会出现识别精度不高的问题.针对这些不足,基于深度残差网络(ResNet),提出一种改进的中文文字识别深度残差网络模型.实验结果表明,针对一级汉字,训练正确率达到98.7％,测试正确率达到97.6％.该方法识别精度高并且网络容易收敛,具有很高的应用价值.