线性合成的双粒度RNN集成系统

针对脱机文字识别,提出了一种基于线性合成的双粒度递归神经网络(Recurrent neural net work,RNN)集成系统.首先,使用单词RNN对未知图像进行识别;然后,依据识别结果进行字符分割,使用字符RNN对分割后的字符进行识别,并利用查表法计算字符的后验概率;最后,综合两个RNN的识别结果决定最终单词输出.在CAPTCHA识别和手写识别上的实验结果证明了该系统的有效性.

基于LSTM型RNN的CAPTCHA识别方法

全自动区分计算机和人的图灵测试(CAPTCHA)是一种基于人工智能难题的网络安全机制.研究CAPTCHA的识别能够使其变得更加安全,并能促进一些人工智能难题的求解.文中首先对现有的CAPTCHA识别方法进行总结和分析,然后提出一种基于长短时记忆(LSTM)型递归神经网络(RNN)进行识别的方法,并对CAPTCHA识别中的特征提取问题进行研究.最后,为进一步提高RNN的识别率,提出一种解码算法.实验结果表明,文中方法是有效的,灰度值对于RNN是一种较好的特征,提出的解码算法能够取得较高的识别率,又有较低的时间复杂度.