毕业论文课题相关文献综述
文 献 综 述一、选题背景汉字是世界上使用最多的文字,汉字识别在残疾人无障碍阅读、文献自动录入、邮件分拣、银行票据处理、证件识别等领域有着重要的应用价值。
汉字数量巨大,手写风格各异,并且汉字中存在大量的形近字,导致脱机手写汉字识别一直存在准确率偏低的问题。
最近几年，人工智能技术发展迅速，汉字识别的应用场景也越来越广泛。
研究表明，人类70%以上的认知来自于视觉，对于视觉障碍人士而言，如果能够借助辅助设备，将外界的文本信息，例如书籍、商品包装上的文字，转换为语音信息，能极大地方便他们的日常生活。
无人驾驶中，道路交通牌上的文字提供了丰富的道路交通信息，对道路交通牌上 的文字进行识别，可以帮助汽车规范安全驾驶。
二、研究现状1989年，美国纽约大学Y.Leom教授首次提出了卷积神经网络模型结构，该模型包括3个隐藏层，采用局部连接、权值共享策略，使用反向传播(Back Propagation，BP)算法进行训练，并成功应用于手写邮政编码识别中。
1998年， Y.Lecun在先前研究的基础上，提出了经典的LeNet-5模型，并成功应用于美国众 多银行的支票识别系统中。
该模型的诞生标志着卷积神经网络的成熟。
LeNet-5 模型共计7层，前六层由卷积层和池化层交替构成，最后由Softmax层输出结果， 这在当时是一个非常新颖的想法，这种结构对后来的网络设计产生了深远的影响。
但是深度学习由于难以训练等原因，一段时间内发展缓慢。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
