手写印刷混排OCR系统研究的中期报告.docxVIP

手写印刷混排OCR系统研究的中期报告 中期报告 一、课题背景 手写印刷混排OCR系统是指能够同时识别手写和印刷文本的OCR系统，具有很高的实用性和应用价值。目前，市场上的OCR系统大多只能识别印刷体，而对于手写体的识别较为困难，因此开发手写印刷混排OCR系统具有较高的技术难度和研究价值。 二、研究方法 本研究采用深度学习的方法来实现手写印刷混排OCR系统。首先，利用深度学习模型训练手写字母识别网络和印刷字母识别网络，分别对手写体和印刷体进行识别。然后，将两者进行组合，实现手写印刷混排文字识别。 三、研究进展 1. 手写字母识别网络的设计： 初步设计了卷积神经网络（CNN）来识别手写字母。已经从NIST的手写数字数据集中选取了5000个数据作为训练集，测试集也选取了不同的5000个数据。训练使用TensorFlow框架，以Adam作为优化器，交叉熵作为损失函数，训练了500轮，达到了约98%的准确率。 2. 印刷字母识别网络的设计： 印刷字母识别网络采用了类似的CNN设计，不过由于印刷体的数据集较为充足，因此训练效果更好，达到了99%的准确率。 3. 手写印刷混排OCR系统的设计： 初步探讨了将手写字母识别网络和印刷字母识别网络进行组合的方式，包括串联和并联两种方式。试验结果表明，串联方式的效果更佳，准确率达到了90%以上。 四、下一步工作计划 1. 继续优化手写字母识别网络和印刷字