卷積神經網路應用於中文字手寫風格辨識

Abstract

近幾年電腦視覺在應用上的成效十分豐碩，有部分原因要歸?於類神經網路演算法的改善，尤其是卷積神經網路(Convolutional Neural Network CNN)的出現，更是大幅改善辨識的成?率，Yann LeCun提出的LeNet[1]搭配MNIST手寫數字資料庫的辨識，更成為學習類神經網路新手們的經典案例。 本次研究將卷積神經網路應用在中文手寫風格的辨識，中文手寫字的辨識日趨完善，在手機裡也時常在使用，即使寫出很潦草的字，也能有相當高的機率辨識出來。但是否可以將各個中文字更往上抽象化，變成判斷是否出自同一人之手的手寫風格。 本論文使用卷積神經網路來辨識各種手寫風格，在收集不同人的手寫之風格後，判斷哪些風格的字是由同一人或不同人撰寫出來，這對用於數位簽章或刑事、民事上的字跡鑑定有著很大的幫助，除此之外，還提出一種多分類器投票的方式以增加辨識率，在訓練的速度上也加快?多，實驗結果顯示，卷積神經網路確實可以分辨不同人的手寫風格，其辨識率也因提出的多分類器投票方式達到提升，類別種類越多，效果越好。本研究蒐集到7種不同手寫風格的中文字，辨識率有91%。

Date of Award	2017 Aug 14
Original language	Chinese
Supervisor	Ming-Shi Wang (Supervisor)