特征分组提取融合深度网络手写汉字识别

针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题。设计了一个特征分组提取融合的深度卷积神经网络模型。通过多级堆叠的特征分组提取模块,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合。利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息。将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题。最终训练出的神经网络达到top1当前先进的正确率为97.16%,同时top5正确率为99.36%,并具有很好的泛化能力。