基于生成对抗网络的手写数字重叠图像分离与识别

为解决手写数字重叠给识别带来的障碍,探索识别重叠手写数字的高效方法,本文提出一种采用生成对抗网络分离重叠手写数字的方法,将重叠手写数字分离成2个单独的数字后再进行识别。分别使用卷积层和反卷积层构建判别器和生成器,充分提取数字特征,减少模型参数量;融入自注意力机制,快速有效提取数字显著区域特征;对生成器和判别器进行谱归一,约束网络梯度;改进模型损失函数,提高生成器分离数字的质量。在通过MNIST数据集构造的数据上进行试验,结果表明:本文提出的方法对重叠手写数字的识别准确率达95.91%;峰值信噪比和结构相似性指数分别为22.11和0.8961,相比CapsNet网络模型有了显著提升。