利用联想记忆网络实现离线手写字符识别的时间高效方法
神经与进化计算
2013-06-20 v1 计算机视觉与模式识别
摘要
本文提出了一种基于联想记忆网络（AMN）的高效离线手写字符识别算法。本工作中使用的 AMN 本质上是自联想的。实现完全采用'C'语言完成。为了使系统以最小的计算时间达到最佳性能，还利用 OpenMP API 包开发了一种并行算法。字符主要为英文字母（小写 26 个，大写 26 个），分别采集自系统（52 个）和不同人员（52 个）。采集自系统的字符用于训练 AMN，而采集自不同人员的字符用于测试网络的识别能力。详细分析表明，该网络在平均情况下的手写字符识别率为 72.20%。然而，在最佳情况下，其对采集的手写字符的识别率达到 88.5%。所开发的网络在串行实现中平均耗时 3.57 秒，在使用 OpenMP 的并行实现中平均耗时 1.16 秒。
引用
@article{arxiv.1306.4592,
title = {Time Efficient Approach To Offline Hand Written Character Recognition Using Associative Memory Net},
author = {Tirtharaj Dash},
journal= {arXiv preprint arXiv:1306.4592},
year = {2013}
}