基于改进的VGG-Net的手写蒙古文字元识别

现有蒙古文文字存在元样本尺寸较小、使用标准VGG-Net进行字元识别不能达到较好效果的问题,提出基于改进VGG-Net的蒙古文字元识别方法。通过改进的VGG-Net模型对手写蒙古文字元图像数据增强后的23类手写蒙古文字元样本进行识别。结果表明,改进的VGG-Net对字元图像识别的准确率达到96.83%,相比传统VGG-Net模型识别速度更快,准确率更高,占用储存空间更少。

基于DCGAN的手写体蒙文字元样本增强

蒙古文由蒙文字元组成,针对手写体蒙文字元样本过少的问题,提出基于深度卷积对抗生成网络(DCGAN)的样本增强方法对手写体蒙文字元样本进行样本增强。DCGAN与WGAN均属于对抗生成网络中具有代表性的网络模型,实验使用DCGAN网络模型生成的图像与WGAN网络模型生成的图像进行对比,发现同轮次下DCGAN的运算速度与生成图像质量都优于WGAN。在实验中使用DCGAN对手写体蒙文字元样本进行样本增强,生成新的样本图像并对样本进行分类输入原数据集,增加样本多样化。利用颜色直方图、感知哈希算法对深度卷积对抗生成网络生成的图像进行分析评估,发现新生成的样本图像与原图像相似度高达84.8%。