hwr-address

基于深度学习的手写汉字地址识别

1. 汉字单字识别

   • 使用 8 层CNN和 2 层全连接识别 3755 个 GB2312 一级汉字 [1]

   • 使用 2 层CNN和 1 层全连接识别 15 的中文地址关键字， 省,市,县,区,乡,镇,村,巷,弄,路, 街, 社, 组, 队, 州

   • 使用 HCL2000 中文汉字手写数据库，对每个汉字 包含 700 个训练样本和 300 个测试样本 [2]

2. 地址树构建

   • 使用 民政部 《2013年中华人民共和国县以下行政区划代码》作为知识库， 构建形如

     
      中国
      	上海市
      		浦东新区
      			张江镇
      		黄浦区
      		...
      	...
     
     

     的地址树，用于验证识别的汉字。

3. 综合识别

   • 输入： 单行图片格式中文手写汉字地址

   • 输出： 识别结果(中文字符串)

4. 模型，框架，工具

   • python语言

   • tensorflow，keras两种实现，相较之下，keras的封装实现效率更高

   • 目录

   
   /src 			# source code
   /data/ 			# dataset and train result
   	address/	# address tree
   	hcl/		# HCL2000 数据库
   	result/		# train result
   	sample/		# test samples，jpg pictures
   
   

5. 参考文献

   1. Zhang X Y, Bengio Y, Liu C L. Online and Offline Handwritten Chinese Character Recognition: A Comprehensive Study and New Benchmark[J]. Pattern Recognition, 2016, 61(61):348-360.

   2. Zhang H, Guo J, Chen G, et al. HCL2000 - A Large-scale Handwritten Chinese Character Database for Handwritten Character Recognition[C]// International Conference on Document Analysis and Recognition. IEEE Computer Society, 2009:286-290.

6. 工具的安装和使用

   • tensorflow, Ubuntu可以直接通过sudo apt-get install tensorflow安装, GPU版本及cuda的安装参见 这里

   • keras, keras是基于 tensorflow 或 theano 的对深度学习模型的更高一层封装，相对 tensorflow 直接实现效率更高

   # keras依赖库
   sudo apt-get install liblapcak-dev, gfortran, scipy, cython, libhdf5-dev, h5py
   sudo apt-get install keras
   

   • 注意，在 keras 中如果以 tensorflow 作为后端，数据输入格式为 (channel, row, col)时，需要修改.keras目录下的json配置文件，将 image_dim_order 改为 'th'(theano模式，即Numpy数组的默认模式)。