袁姗姗

摘要：卷积神经网络作为深度学习领域近年来最优秀的算法之一，已经广泛应用于各种计算机视觉任务，尤其在图像分类任务中，卷积神经网络凭借其极高的分类准确率，使用率已经远超过传统的机器学习算法。街道字符识别作为图像分类任务的一种，为了完成这个分类任务，全文基于卷积神经网络技术，首先对数据集进行读取、并针对数据量较少问题，采取一系列的数据增强操作，然后完成卷积神经网络模型的构造。通过对模型的训练，测试结果显示测试集和验证集准确率分别为0.9523和0.7453，出色地完成了对街道字符的识别任务，并验证了所搭建模型的有效性和优异性。

关键词：深度学习;卷积神经网络;图像分类;街道字符识别

1 引言

图像作为重要的信息传递方式引起了当今学者们和工业者极大的重视，图像信息及图像深层蕴含的语义信息有着巨大的价值。街道字符作为图像分类领域典型的分类任务之一，如何将街道字符中包含的街道信息和数字等字符信息提取出来并正确分类，是一个具有实际意义的研究课题。在街道上，随处可见的街牌、门牌的背后蕴含丰富的数字信息、地址信息以及文化信息，更应该合理地运用这宝贵的图像信息资源，挖掘信息中的内在联系，首要的就是通过计算机对这些街道字符信息进行自动地识别。文中采用卷积神经网络技术，就如何高精度正確的区分街道字符这一问题展开研究，结合街道字符信息特点和卷积神经网络的技术手段，来完成任务要求。……