一种基于深度神经网络的手写机务工卡字符识别方法技术

一种基于深度神经网络的手写机务工卡字符识别方法。其包括选取训练集和测试集；归一化处理；构建原始手写机务工卡字符识别模型；模型训练和测试，获得手写机务工卡字符识别模型；将待识别手写机务工卡输入手写机务工卡字符识别模型，输出类别等步骤。本发明专利技术通过重参数化的特征提取器，能将多分支卷积在形式上等价为一个普通卷积，减少了内存消耗和模型运算量，保留多分支卷积的特征提取性能，再通过对不同复杂度的汉字进行自适应特征分类，可进一步提高简单字符的特征提取识别效率。对于复杂字符和相似字符，全卷积分类器结构设计能够最大程度保留汉字具有区分度的空间和边缘信息，经过多级卷积的特征提取和分类器处理，能较好地完成高精度分类。

【技术实现步骤摘要】

本专利技术属于深度学习图像分类，具体涉及一种基于深度神经网络的手写机务工卡字符识别方法。

技术介绍

1、机务工卡是指根据飞机维修手册或维修方案编写的具有法律效力的作业单，是指导机务人员进行飞机维修的重要依据，也是记录飞机维修过程和结果的重要文件，是民用航空器持续安全适航的重要保证。随着民航业的不断发展，地面保障压力日益增大。维修工程师在日常养护、维修、放行等工作结束后，需要填写飞行记录、放行工卡等作为工作日志。虽然互联网和移动终端智能设备的流行使无纸化办公逐渐成为主流，但出于行业安全性考虑，且受航空公司规模、经济效益等限制，业内仍需分步完成人工手写、数字化存档工作。因此智能化识别有利于降本增效，具有现实意义。

2、书写者的用笔习惯不同、手写字风格多样、常用汉字类别众多、笔画多寡均会导致图像的复杂程度差异大。另外，存在大量的相似字符，导致识别效果不佳。传统的基于统计学习和人工设计特征的识别方式(如：gabor，hog等)存在特征提取能力不足和泛化性较弱的问题，最高精度仅为90％。随着深度学习的发展，基于传统卷积网络的识别方式因识别效果更好成为主流本文档来自技高网...

【技术保护点】

1.一种基于深度神经网络的手写机务工卡字符识别方法，其特征在于：所述基于深度神经网络的手写机务工卡字符识别方法包括按顺序进行的下列步骤：

2.根据权利要求1所述的基于深度神经网络的手写机务工卡字符识别方法，其特征在于：在步骤1)中，所述手写汉字数据集HWDB1.0-1.1中共有267万余张含中文手写字符的原始图像，涵盖了3755类国标一级汉字；ICDAR2013数据集中共有22.4万张含中文手写字符的原始图像，涵盖了地面维修工单中出现的高频汉字。

3.根据权利要求1所述的基于深度神经网络的手写机务工卡字符识别方法，其特征在于：在步骤2)中，所述将上述训练集和测试集...

【技术特征摘要】

1.一种基于深度神经网络的手写机务工卡字符识别方法，其特征在于：所述基于深度神经网络的手写机务工卡字符识别方法包括按顺序进行的下列步骤：

2.根据权利要求1所述的基于深度神经网络的手写机务工卡字符识别方法，其特征在于：在步骤1)中，所述手写汉字数据集hwdb1.0-1.1中共有267万余张含中文手写字符的原始图像，涵盖了3755类国标一级汉字；icdar2013数据集中共有22.4万张含中文手写字符的原始图像，涵盖了地面维修工单中出现的高频汉字。

3.根据权利要求1所述的...

【专利技术属性】
技术研发人员：郭晓静，赵小源，徐文君，邹松林，徐晓慧，郭佳豪，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：