多分支轻量级残差网络的手写字符识别方法

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：黎光艳, 王修晖

单位：中国计量大学 信息工程学院 浙江省电磁波信息技术与计量检测重点实验室，杭州 310018

摘要：由于手写数字容易出现粘连现象，影响了此类字符的分割和识别精度；另一方面，深度学习模型通常计算复杂度较高，导致其无法在资源受限的设备上高效运行。针对上述问题，提出一种多分支轻量级残差网络的手写字符识别方法。针对字符粘连问题制作了90类复合数字，将其与MNIST和7种算术符号混合作为实验数据集。将ResNet残差结构和注意力机制融合，借用Inception思想，采用多分支结构，提高网络的特征学习能力，并将网络通过知识蒸馏来学习深度神经网络ResNet。在对107类手写字符数据集上的实验证明，该方法能达到深度网络的高精度，同时模型复杂度大大降低，实现在树莓派等低配置终端上的高精度识别效果。

关键词：手写字符识别,残差结构,注意力机制,ResNet,知识蒸馏