[发明专利]一种基于改进VGG-16模型的英文笔迹鉴别方法有效
申请号: | 201910330404.X | 申请日: | 2019-04-23 |
公开(公告)号: | CN110119693B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 何凯;马红悦;冯旭;刘坤 | 申请(专利权)人: | 天津大学 |
主分类号: | G06V40/30 | 分类号: | G06V40/30;G06V30/19;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 李林娟 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 改进 vgg 16 模型 英文 笔迹 鉴别方法 | ||
1.一种基于改进VGG-16模型的英文笔迹鉴别方法,其特征在于,所述方法包括以下步骤:
收集来自不同人不同笔迹的英文文档数据集;
将获得的手写英文笔迹文档,经过单词分割,获取英文单词构成的数据集,基于数据集构造训练样本集及测试样本集;
获取改进后的VGG-16模型,用于构造卷积神经网络,该模型包括:2个传统卷积层,3个复合卷积层,5个池化层和3个全连接层;
输入训练样本集,提取字符特征,进行分类训练;利用训练后的神经网络自动鉴别英文笔迹;
其中,所述改进后的VGG-16模型为:
将传统结构中的1层卷积用2层卷积替代,并将其复合成1层卷积,输入特征图InMapc为m×n×C1,其中,m为输入特征数目,n为输出特征数目,C1为输入通道数目,F1为输出通道数目;
卷积结构采用小尺度卷积核,卷积核尺度用a表示,pad为填充,str为步长,输出特征图的尺寸按下式计算:
复合卷积层之后连接池化层,池化层的作用是保留复合卷积层学到的主要特征;池化层大小为W×H,该层的输入OutMapp为PW×PH×C2大小的特征图,该池化层采用最大池化函数,池化层的输出特征图尺寸按下式计算:
其中,PW为上一层的输入特征数目,PH为上一层的输出特征数目,C2为上一层的输入通道数目,F2为上一层得输出通道数目。
2.根据权利要求1所述的一种基于改进VGG-16模型的英文笔迹鉴别方法,其特征在于,所述方法在开源人工智能系统框架matconvnet下,卷积层,池化层,全连接层按序连接,网络输入层经过复合卷积层、池化层和全连接层的共同作用,最终得到局部特征的一系列向量,输入到最后一层的分类器中进行分类鉴别。
3.根据权利要求1所述的一种基于改进VGG-16模型的英文笔迹鉴别方法,其特征在于,所述收集来自不同人不同笔迹的英文文档数据集具体为:
每人手写一张英文笔迹,包括240个单词,选取200个单词为训练数据集,随机选取20个单词作为测试数据集;
最后得到训练样本集的大小为26000个手写英文单词,测试样本集大小为2600个手写英文单词。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910330404.X/1.html,转载请声明来源钻瓜专利网。