万茹月 海玲 谷铮 刘文

摘  要：当前越来越多的场景需要将手写体的文字转换为电子格式，手写体识别成为人机交互最便捷的手段之一，拥有广泛的应用前景。文章提出了一种基于TensorFlow框架的深度学习手写识别方法，包含手写数字识别和手写汉字识别。以TensorFlow为框架，采用CNN神经网络模型建立训练集以降低识别错误率。实验结果最终表明，对手写数字的识别率达到95%，对手写汉字的识别率达到90%。

关键词：TensorFlow;手写字体识别;深度学习;人工智能

中图分类号：TP18;TP391.4              文献标识码：A文章编号：2096-4706（2021）19-0089-04

Handwritten Word Recognition Based on Deep Learning

WAN Ruyue， HAI Ling， GU Zheng， LIU Wen

（School of Control Engineering， Xinjiang Institute of Engineering， Urumqi 830023， China）

Abstract： At present， more and more scenes need to convert handwritten words into electronic format. Handwritten recognition has become one of the most convenient means of human-computer interaction and has a wide application prospect. This paper proposes a deep learning handwriting recognition method based on TensorFlow framework， including handwritten numeral recognition and handwritten Chinese character recognition. Taking TensorFlow as the framework， the CNN neural network model is used to establish a training set to reduce the recognition error rate. The experimental results finally show that the recognition rate of handwritten numeral reaches 95%， and the recognition rate of handwritten Chinese characters reaches 90%.

Keywords： TensorFlow; handwritten word recognition; deep learning; artificial intelligence

0  引  言

随着计算机网络飞速的发展，人机交互与手写汉字的结合既可为人们节省时间，还能为他们的生活提供方便。虽然人类可以很容易地辨别出自己与他人的手写汉字书写的，但由于许多汉字具有相似性、书写过程中的盲目性与不规范性，会导致识别效果不理想等现象，所以手写汉字识别仍然是人工智能研究中一个很大的难题[1]。和印刷体汉字相比，脱机手写漢字对书写者没有书写规范的要求，书写风格因人而异，书写字体差别很大。和联机手写汉字相比，脱机手写汉字没有笔画间的顺序信息，每个汉字由图像中像素点组成，所能提供的信息量较少[2]。

本文以TensorFlow作为框架，使用CASIA-HWDB1数据集和MNIST数据集，在实验中通过CNN神经网络模型进行训练，对汉字的识别率最高可达92%，对数字的识别率最高可达98%。

1  相关工作

目前针对手写文字研究的方法很多，主要分为传统识别方法与深度学习识别方法。……