深度卷积神经网络下选票系统智能化识别研究与实现

摘要

针对传统选票识别系统识别率低、效率不够高的问题,提出一种基于深度卷积神经网络的高准确率、低误识率的选票手写符自动识别系统。将图像处理方法与数据增强方法融合后引入卷积神经网络并对传统网络结构进行改进,构建出选票手写符号识别模型,形成一个高可靠性、高精度、高效率的选票识别系统。在各个会议、选举中采集大量数据集,通过不同模型的训练和测试结果表明,相较于传统图像处理方法、BP神经网络学习算法等现有方式,该方法具有更高的准确率,且能准确识别非期待图案的无意义图案,识别准确度达到99%以上。该手写符识别系统已应用于计票通项目,且可以推广应用到满足不同任务,多种型号的会议系统中。