[发明专利]手写模型训练、手写图像识别方法、装置、设备及介质

说明书

本发明公开一种手写模型训练、手写图像识别方法、装置、设备及介质，该手写模型训练方法包括：获取训练手写中文图像；采用垂直投影法对训练手写中文图像进行单字体切割，获取训练单字体图像；将训练单字体图像按预设比例划分成训练集和测试集；对训练集中的训练单字体图像进行顺序标注，并将标注好的训练单字体图像输入到长短时记忆神经网络中进行训练，采用批量梯度下降算法对长短时记忆神经网络的网络参数进行更新，获取原始手写字识别模型；采用测试集中的训练单字体图像对原始手写字识别模型进行测试，在测试准确率大于预设准确率时，获取目标手写字识别模型。该手写模型训练方法具有训练效率高且识别精度高的优点。

技术领域

本发明涉及图像识别领域，尤其涉及一种手写模型训练、手写图像识别方法、装置、设备及介质。

背景技术

随着信息时代的发展，人工智能技术作为核心技术越来越多的被用来解决人们生活中的具体问题。目前，在对手写汉字图像进行识别时，由于汉字的结构比较复杂，比如“魍、魉”，并且汉字中存在着较多的结构相似的字，比如“今和令”，会出现识别准确率较低的情况。对标准的、书写简单且规范的句子，采用OCR(光学字符识别)技术可以识别，但是对于手写字组成的句子，由于每个人的书写习惯不相同且不是标准的汉字，当采用OCR技术识别时，会降低识别的准确率，影响手写汉字的识别效果。

发明内容

基于此，有必要针对上述技术问题，提供一种手写模型训练、手写图像识别方法、装置、设备及介质。

一种手写模型训练方法，包括：

获取训练手写中文图像；

采用垂直投影法对所述训练手写中文图像进行单字体切割，获取训练单字体图像；

将所述训练单字体图像按预设比例划分成训练集和测试集；

对所述训练集中的训练单字体图像进行顺序标注，并将标注好的训练单字体图像输入到长短时记忆神经网络中进行训练，采用批量梯度下降算法对所述长短时记忆神经网络的网络参数进行更新，获取原始手写字识别模型；

采用所述测试集中的训练单字体图像对所述原始手写字识别模型进行测试，在测试准确率大于预设准确率时，获取目标手写字识别模型。

一种手写模型训练装置，包括：

训练手写中文图像获取模块，用于获取训练手写中文图像；

训练手写中文图像划分模块，用于将所述训练手写中文图像按预设比例划分成训练集和测试集；

训练单字体图像获取模块，用于采用垂直投影法对所述训练手写中文图像进行单字体切割，获取训练单字体图像；

原始手写字识别模型获取模块，用于对所述训练集中的训练单字体图像进行顺序标注，并将标注好的单字体图像输入到长短时记忆神经网络中进行训练，采用批量梯度下降算法对所述长短时记忆神经网络的网络参数进行更新，获取原始手写字识别模型；

目标手写字识别模型获取模块，用于采用所述测试集中的训练单字体图像对所述原始手写字识别模型进行测试，在测试准确率大于预设准确率时，获取目标手写字识别模型。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述手写模型训练方法的步骤。

一种非易失性存储介质，所述非易失性存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述手写模型训练方法的步骤。

一种手写图像识别方法，包括：

获取待识别图像，所述待识别图像包括手写汉字和背景图片；

对所述待识别图像进行预处理，获取原始图像；