基于多分支结构的手写字图像特征提取自适应算法

摘要

飞机地面维护工卡是维修操作和归档的重要依据，分步完成其手工填写和数字化存储具有重要价值。为减少飞机运行安全隐患，受行业规范限制，工卡通常设计成可离线部署工作的识别模型。工卡书写不但字符类别数目多，还存在大量汉字、英文混用情形，导致字符特征提取困难且识别精度不高。为了针对性地提升平均识别准确率和速度，减少结构相似字、结构复杂字等的错误识别，本文提出一种多分支卷积与特征融合提取结构。利用深层卷积的多尺度特征提取优势，引入改进的重参数化多分支结构来改善图像全局、局部特征提取效果；采用全卷积实现区域空间特征与图像深层特征融合，在分类过程中，提出融合全卷积分类器结构，依据字符特征复杂程度不同自适应分类，改善相似字与复杂字类间、类内的分类识别效果。与主流的手写字识别方法相比，改进后网络结构的存储大小为69.1 MB；在汉字数据集上的实验表明，识别精度与速度均大幅提升，模型首次预测准确率和前5次预测准确率分别达到97.50%和99.79%。模型对相似字符、中英文字符的识别模型优势明显，在包含了中英文和数字的数据集上，改进后结构存储大小为69.2 MB，实验结果中首次预测准确率达到97.23%，推理速度达到1 400张/s，对飞机地面维护工卡识别等特定领域有一定价值。

关键词

脱机手写汉字识别 / 全卷积 / 重参数化结构 / 空间特征融合 / 重参数化多分支卷积算法