基于深度學(xué)習(xí)的手寫(xiě)英文字母識(shí)別算法研究

《基于深度學(xué)習(xí)的手寫(xiě)英文字母識(shí)別算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、濟(jì)奴謂似彳＿碩士學(xué)位論文＿參圓基于深度學(xué)習(xí)的手寫(xiě)英文字母識(shí)別算法研究作者姓名：孫華偉指導(dǎo)教師姓名、職稱：段江副教授申請(qǐng)學(xué)位類(lèi)別：工學(xué)碩士：西安電子＿大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研宄工作及取得的研宄成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研宄成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料一。

2、與我同工作的同事對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文若有不實(shí)之處一，本人承擔(dān)切法律責(zé)任。本人簽名：：日期西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研宄生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影．印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，結(jié)合學(xué)位論文研宄成果完成的論

3、、。文發(fā)明專利等成果，署名單位為西安電子科技大學(xué)本人簽名：導(dǎo)師簽名：少丄’泛日期：，日期：１學(xué)校代碼10701學(xué)號(hào)1504121842分類(lèi)號(hào)TP183密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的手寫(xiě)英文字母識(shí)別算法研究作者姓名：孫華偉一級(jí)學(xué)科：機(jī)械工程二級(jí)學(xué)科：機(jī)械制造及其自動(dòng)化學(xué)位類(lèi)別：工學(xué)碩士指導(dǎo)教師姓名、職稱：段江濤副教授學(xué)院：機(jī)電工程學(xué)院提交日期：2018年6月ResearchonHandwrittenEnglishLetterRecognitionAlgorithmBasedo

4、nDeepLearningAthesissubmittedtoXIDIANUNIVERSITYforthedegreeofMasterinMechanicalManufacturingandAutomationBySunHuaweiSupervisor:DuanJiangtaoTitle:AssociateProfessorJune2018摘要摘要深度學(xué)習(xí)技術(shù)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要子學(xué)科，其前身是神經(jīng)網(wǎng)絡(luò)。近年來(lái)，由于技術(shù)的突破，深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器翻譯、無(wú)人駕駛還有機(jī)器人等人工智能相關(guān)領(lǐng)域

5、都取得了很好的成績(jī)。圖像識(shí)別也是深度學(xué)習(xí)技術(shù)中一個(gè)十分重要的研究領(lǐng)域。它和其它的深度學(xué)習(xí)領(lǐng)域一樣都需要面對(duì)過(guò)擬合和計(jì)算效率這兩個(gè)難題。本文研究深度學(xué)習(xí)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別領(lǐng)域的計(jì)算效率問(wèn)題。雖然對(duì)于目前絕大多數(shù)的圖像識(shí)別任務(wù)，在有足夠數(shù)據(jù)的情況下，只要增加模型的復(fù)雜度，使用更多的計(jì)算資源或者更強(qiáng)大的專業(yè)計(jì)算設(shè)備，就可以使精度得到提升。但在許多現(xiàn)實(shí)情況中，例如在機(jī)械工程應(yīng)用中，可以把這種基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法應(yīng)用到工業(yè)機(jī)器人的圖像識(shí)別算法上，利用該算法進(jìn)行商品或者零件的分揀。而工業(yè)機(jī)器人中可利用的計(jì)算資

6、源是有限的，限制了應(yīng)用中能夠使用的模型的復(fù)雜度。需要提高計(jì)算效率，降低參數(shù)的數(shù)量，才可能將其應(yīng)用到更多的實(shí)際場(chǎng)景中。為了提高計(jì)算效率，本文基于多分支的Inception結(jié)構(gòu)，提出了一種Inception結(jié)構(gòu)的變體，利用它構(gòu)成了深度卷積神經(jīng)網(wǎng)絡(luò)，并取得了較好的分類(lèi)效果和較高的計(jì)算效率。本文的主要內(nèi)容如下：1.通過(guò)對(duì)比實(shí)驗(yàn)，確定Inception所代表的多分支結(jié)構(gòu)能獲得比VGGNet所代表的直線型結(jié)構(gòu)更好的結(jié)果。2.通過(guò)對(duì)Inception原型結(jié)構(gòu)中的卷積核進(jìn)行拆分，刪除部分拆分后的卷積核，然后將剩余的卷積核重新安排

7、到不同分支中的方式，提出了Inception結(jié)構(gòu)的變體。在堆疊Inception變體結(jié)構(gòu)，構(gòu)建完整卷積神經(jīng)網(wǎng)絡(luò)時(shí)，適當(dāng)增加了一些其他層級(jí)并調(diào)整了一些超參數(shù)。在和原型的對(duì)比實(shí)驗(yàn)中得到以下結(jié)果：第一，在相同的軟、硬件環(huán)境下，且輸入也完全相同時(shí)，針對(duì)手寫(xiě)英文字母數(shù)據(jù)集，變體結(jié)構(gòu)能夠獲得92%以上的訓(xùn)練精度和87%以上的驗(yàn)證精度，略微優(yōu)于原型的實(shí)驗(yàn)精度；第二，因?yàn)镮nception變體結(jié)構(gòu)所包含的參數(shù)比原型少，所以它的計(jì)算效率更高，平均每個(gè)批次的訓(xùn)練時(shí)間比原型減少14.898%。關(guān)鍵字：深度學(xué)習(xí)，卷積神經(jīng)網(wǎng)絡(luò)，圖像識(shí)別，

8、多分支網(wǎng)絡(luò)結(jié)構(gòu)，計(jì)算效率IABSTRACTABSTRACTDeeplearningtechnologyisanimportantsub-disciplineinthefieldofmachinelearning.Itspredecessoristheneuralnetwork.Inrecentyears,duetotechnologicalbreakthroughs,de