[发明专利]基于深度学习的文本无关的端到端的笔迹识别方法有效
| 申请号： | 201610202734.7 | 申请日： | 2016-03-31 |
| 公开（公告）号： | CN105893968B | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 金连文;杨维信;刘曼飞 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 林梅繁;杨晓松 |
| 地址： | 510640 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于深度学习的文本无关的端到端的笔迹识别方法，步骤为：A、对联机手写文本进行预处理，生成伪字符样本；B、计算伪字符样本的路径积分特征图像；C、训练已知书写者样本的深度神经网络模型；D、利用步骤C的深度神经网络模型，对未定书写者的样本进行自动识别。该方法能自动处理联机文本行，不需要人为提取字符特征，高效地实现了文本无关的联机书写者识别。 | ||
| 搜索关键词： | 基于 深度 学习 文本 无关 端到端 笔迹 识别 方法 | ||
【主权项】：
1.基于深度学习的文本无关的端到端的笔迹识别方法，其特征在于，包括如下步骤：A、对联机手写文本进行预处理，生成伪字符样本；B、计算伪字符样本的路径积分特征图像；C、训练已知书写者样本的深度神经网络模型；D、利用步骤C的深度神经网络模型，对未定书写者的样本进行自动识别；所述步骤A具体为：A1、对联机手写文本的每个笔画进行重采样，得到采样点密度均匀的联机手写文本段；A2、对重采样后的联机手写文本进行笔画分割，得到更碎小的笔画段组成的路径集合；A3、将笔画分割后的文本进行字符分割，生成伪字符；A4、对每个分割后的伪字符进行笔画段随机移除；A5、归一化伪字符的大小；A6、仿射变换，生成伪字符样本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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华南理工大学，未经华南理工大学许可，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/patent/201610202734.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种教具
- 下一篇：人体步态信息采集和步态形式分类识别系统及方法
