公开(公告)号：CN111695645B

公开(公告)日：2022-08-02

申请号：CN202010385802.4

申请日：2020-05-09

Applicant: 南京邮电大学

Inventor： 何行 ,  赵生妹

IPC: G06V30/244 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度神经网络的未知手写体数字识别方法，通过关联成像技术提取未知手写体数字的特征，包括首先设计一组傅立叶散斑照射在未知手写数字图像上，然后使用一个没有空间分辨率的桶探测器收集每次检测结果，并通过四步相移方法获得未知手写体数字的特征信息，然后将该特征信息输入至已设计的、且训练过的深度神经网络中进行识别，实现对未知的数字图像进行分类。仿真结果表明，该方案具有较好的识别性能，且能够在不恢复手写体数字图片前提下对其进行识别。本发明具有识别率高、识别时间短特点，具有非局域特性，且所设计的深度神经网络结构简单，因而具有巨大的应用前景。

公开(公告)号：CN111695645A

公开(公告)日：2020-09-22

申请号：CN202010385802.4

申请日：2020-05-09

Applicant: 南京邮电大学

Inventor： 何行 ,  赵生妹

IPC: G06K9/68 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度神经网络的未知手写体数字识别方法，通过关联成像技术提取未知手写体数字的特征，包括首先设计一组傅立叶散斑照射在未知手写数字图像上，然后使用一个没有空间分辨率的桶探测器收集每次检测结果，并通过四步相移方法获得未知手写体数字的特征信息，然后将该特征信息输入至已设计的、且训练过的深度神经网络中进行识别，实现对未知的数字图像进行分类。仿真结果表明，该方案具有较好的识别性能，且能够在不恢复手写体数字图片前提下对其进行识别。本发明具有识别率高、识别时间短特点，具有非局域特性，且所设计的深度神经网络结构简单，因而具有巨大的应用前景。