基于深度學(xué)習(xí)的藏文手寫字符識別研究

師躍普 西熱旦增 陳瑤 強(qiáng)巴旦增 西藏大學(xué)

關(guān)鍵字：深度學(xué)習(xí) 藏文手寫字符 CNN

1.引言

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的重要組成部分深度學(xué)習(xí)的主要結(jié)構(gòu)是含有多層類似人腦的感知器，可以通過大量的數(shù)據(jù)來觀察和學(xué)習(xí)其中隱含的信息，并做出與之相適應(yīng)的反應(yīng)。本文主要通過構(gòu)建和運(yùn)用卷積神經(jīng)網(wǎng)絡(luò) [2]（Convolutional Neural Networks，CNN）對手寫藏文字符進(jìn)行訓(xùn)練及其識別。本文主要識別的字符有10個數(shù)字：

2.基本原理

深度學(xué)習(xí)是模擬人的大腦分層次處理信息的生理機(jī)制，構(gòu)建一個不少于兩個隱含層的神經(jīng)網(wǎng)絡(luò)對輸入進(jìn)行“端到端”的非線性變換或表示學(xué)習(xí)的技術(shù)，包括多種架構(gòu)模型：MLP，CNN，R-CNN，RNN，LSTM，GAN等。

假設(shè)一個模型M包含了n個隱含層，各層分別標(biāo)記為Li（i=1,2,…,n），輸入為I，輸出為O，則該模型可以簡單表示為I=＞L1=＞ L2=＞…=＞Ln=＞O。在數(shù)據(jù)流動中Li層的輸入總是Li-1層的輸出，Li層的數(shù)據(jù)輸出作為Li+1層的數(shù)據(jù)輸入，通過訓(xùn)練調(diào)整各層參數(shù)使輸出結(jié)果更接近輸入，最后利用分類器對O中的特征信息進(jìn)行分類識別。

圖1 CNN模型

3.模型構(gòu)建

卷積神經(jīng)網(wǎng)絡(luò)可以通過大量訓(xùn)練，計(jì)算出輸入和輸出之間的關(guān)系。CNN是交替組成的卷積層和池化層[3]，網(wǎng)絡(luò)中的每一層包括多個特征提取器。卷積層中的每一神經(jīng)元與其上一層的神經(jīng)元的連接屬于局部性的連接，且位于同一層中某些神經(jīng)元的權(quán)值具有共享性。通過卷積層的運(yùn)算，可以提取到輸入數(shù)據(jù)的特征信息，并且能夠減少噪聲對已提取特征的影響。池化層對輸入的數(shù)據(jù)進(jìn)行抽樣，使其分辨率降低，能夠在在盡量保留原數(shù)據(jù)特征信息的同時降低數(shù)據(jù)處理時的維度，以提高處理信息時的速度。

3.1 劃分?jǐn)?shù)據(jù)集

將所有數(shù)據(jù)處理后，按train ： test=7：3劃分?jǐn)?shù)據(jù)集，代碼如下

3.2 模型設(shè)計(jì)

本模型主要包括：輸入輸出層，兩個卷積層，兩層池化層和一個全連接層共七個層次。

下面介紹主要幾層，卷積層代碼如下：

4.模型訓(xùn)練及測試

通過對不同樣本同一人書寫和相同樣本同一人書寫建立的數(shù)據(jù)庫中7000張圖片的訓(xùn)練。由準(zhǔn)確率從第一次訓(xùn)練的60%左右，邊訓(xùn)練邊調(diào)整參數(shù)經(jīng)過15次訓(xùn)練后的準(zhǔn)確率基本穩(wěn)定在92%。（見表1）

表1 訓(xùn)練20次數(shù)據(jù)表

5.總結(jié)和展望

藏文信息處理作為中文信息處理的重要組成部分，藏文文獻(xiàn)數(shù)量在國內(nèi)僅次于漢文文獻(xiàn)，藏文文獻(xiàn)能夠較短時間內(nèi)完成電子化存貯是當(dāng)下亟待解決的一個重大課題。隨著深度學(xué)習(xí)和圖像識別領(lǐng)域的發(fā)展，希望藏文信息處理方面的研究利用深度學(xué)習(xí)技術(shù)能夠快速完成古籍保護(hù)傳承工作。