陽哲

（四川大學計算機學院，成都　610065）

卷積神經(jīng)網(wǎng)絡(luò)在印章編號識別中的應(yīng)用

陽哲

（四川大學計算機學院，成都610065）

卷積神經(jīng)網(wǎng)絡(luò)；印章編號；識別

0　引言

印章做為一種重要的鑒定和簽署的文具，在日常生活中應(yīng)用廣泛。每一枚印章都會有一個獨一無二的編號，作為印章的標識。在實際生活中，我們往往需要輸入印章的編號來查詢印章的基本信息，但是目前都是通過手動輸入印章的編號來查詢。隨著深度學習的火熱發(fā)展，近幾年深度學習在人工智能領(lǐng)域取得很大的進展，尤其是在語音識別和圖像識別中取得很好的效果。而卷積神經(jīng)網(wǎng)絡(luò)做為一種深度的監(jiān)督學習下的機器學習模型，其在圖像識別領(lǐng)域的應(yīng)用已經(jīng)越來越廣泛，因此本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)的印章編號識別算法。

1　卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò)，它的特點是其前饋神經(jīng)元可以響應(yīng)一部分范圍內(nèi)的周圍單元[1]，因此適應(yīng)于大型圖像處理。卷積神經(jīng)網(wǎng)絡(luò)可以識別有變化的模式，對幾何圖形變形具有魯棒性，較一般神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點：（1）輸入圖像和網(wǎng)絡(luò)的拓撲結(jié)構(gòu)可能剛好吻合；（2）特征提取和模式分類同時進行；（3）權(quán)值共享技術(shù)大大減少了網(wǎng)絡(luò)的訓練參數(shù)，從而使網(wǎng)絡(luò)的結(jié)構(gòu)更加簡單，適應(yīng)性更強[2]。

1.1卷及神經(jīng)網(wǎng)絡(luò)的歷史

卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計源自于活生物體視覺機制的發(fā)現(xiàn)。20世紀60年代，Hubel和Wiesel發(fā)現(xiàn)動物的視覺皮質(zhì)中包含了許多細胞，這些細胞組成了感受野，其功能是探測細微的光線和覆蓋視覺的子區(qū)域。20世紀80年代，F(xiàn)ukushima基于感受野概念提出了神經(jīng)認知機，這個可以看做是卷積神經(jīng)網(wǎng)絡(luò)的第一個實現(xiàn)網(wǎng)絡(luò)，也是感受野在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的首次應(yīng)用。

1.2卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)是一個多層次的前饋式神經(jīng)網(wǎng)絡(luò)，每層由多個二維平面組成，每個平面由多個獨立神經(jīng)元組成。一個完整的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1 所示。

從圖1 可以看出，卷積神經(jīng)網(wǎng)絡(luò)一般包含卷積層，分段抽樣層和全連接層。其中卷積層由若干卷積單元組成，每個卷積單元的參數(shù)都是通過反向傳播算法優(yōu)化得到的。卷積運算的目的是提取輸入的不同特征，第一層卷積層可能只能提取一些低級的特征如邊緣、線條和角等層級，更多層的網(wǎng)絡(luò)能從低級特征中迭代提取更復雜的特征。而在圖像識別中，卷積操作就是用一個卷積核在圖像矩陣上游走，在對應(yīng)位置元素相乘，再把相乘的結(jié)果相加，最后相加的結(jié)果形成新的圖像矩陣，游走完成后即完成了對原始圖像的卷積變換，形成此卷積核下的特征提取，具體如圖2 所示。

圖1　卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2　卷積操作

分段抽樣層的作用則是二次特征提取，通常在卷積層之后會得到維度很大的特征，將需要特征切成幾個區(qū)域，取該區(qū)域的最大值或者平均值，從而得到新的，維度較小的特征[3]。而分段抽樣操作也叫池化操作，具體如圖3 所示。

圖3　池化操作

全連接層采用的是Softmax回歸，該層就是以卷積神經(jīng)網(wǎng)絡(luò)提取到的圖片特征做為輸入，然后根據(jù)這些特征則可以做一個數(shù)據(jù)訓練分類器。因為邏輯回歸一般用來進行二值分類，也就是說邏輯回歸的結(jié)果只能是0或者1；而印章編號是0～9的阿拉伯數(shù)字，一共需要分成10個類別，所以全連接層必須采用Softmax回歸，Softmax的結(jié)構(gòu)如圖4所示：

圖4　Softmax分類器的結(jié)構(gòu)

1.3卷積神經(jīng)網(wǎng)絡(luò)算法偽代碼

卷積神經(jīng)網(wǎng)絡(luò)算法的偽代碼如下:

（1）對輸入的印章編號圖片做卷積操作，形成若干個卷積核。

（2）對卷積操作形成的特征層進行二次特征提取操作。

（3）重復步驟（1）和步驟（2），直至獲取到具有足夠畸變?nèi)萑棠芰Φ奶卣鳌?/p>

（4）根據(jù)步驟（3）得到的特征做一個分類器，從而解決印章編號的識別問題。

可以用多個印章編號來訓練一個卷積神經(jīng)網(wǎng)絡(luò)，而該網(wǎng)絡(luò)可以對印章編號中的數(shù)字進行分類，從而識別出印章編號中的阿拉伯數(shù)字，訓練的過程大致分為以下幾個步驟：

①從留底印文中提取出編號，用這些編號訓練一個稀疏編碼器C1；

②以C1做為第一個卷積層，從原始編號中做卷積特征提??；

③在C1的后面添加一個分段抽樣層S1，對C1所提取的特征做池化計算；

④以最后一個池化層的輸出做為印章編號的分類器，即將印章編號中的數(shù)字按0～9進行分類，從而識別出印章編號中的數(shù)字。

2　實驗

實驗環(huán)境為MATLAB，實驗的訓練數(shù)據(jù)集是來自留底印文中的印章編號，而測試數(shù)據(jù)集則來自蓋在支票或者文件上的印章編號。留底印文如圖5 所示。

圖5　留底印文

圖5 中的印文是RGB模式，RGB模式又稱為三原色模型。這是一種加色模式，將紅、綠、藍三原色的色光以不同的比例相加，以產(chǎn)生多種多樣的顏色。因此可以先將圖片分離為紅、綠、藍三個通道，然后通過像素值的分布來設(shè)定一個閾值，用于分割提取印章編號。將印章圖片進行RGB通道分離后得到像素值的分布如圖6所示：

圖6　印文像素值分布圖

因此可以通過閾值分割的辦法提取出印章的編號。提取得到的印章編號如圖7所示。

圖7　留底印文的編號

將具有m個訓練樣本的訓練集合{（x（1），y（1）），…，（x（m），y（m））}（其中，y（i）∈{0，…，9}）放入卷積神經(jīng)網(wǎng)絡(luò)中進行訓練，通過訓練可以得到的特征如圖8所示。

圖8　訓練印章編號得到的特征

3　結(jié)語

卷積神經(jīng)網(wǎng)絡(luò)是當前最熱門的深度學習算法之一，其在圖像識別和語音識別已經(jīng)取得了顯著的效果。通過卷積和分段取樣操作，卷積神經(jīng)網(wǎng)絡(luò)具有權(quán)值共享的特性，這就使得卷積神經(jīng)網(wǎng)絡(luò)在處理大型圖像時有著先天性的優(yōu)勢。印章編號的識別本質(zhì)上是一個阿拉伯數(shù)字的分類問題，而卷積神經(jīng)網(wǎng)絡(luò)則擅長處理圖像分類問題。因此本文嘗試將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到印章編號的識別中，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的印章編號識別算法。在識別方形章的編號上取得了很好的效果，但是由于在實際應(yīng)用中圓形章的編號呈弧形狀，而不像方形章一樣呈直線狀，這給提取和識別印章編號帶來了不便。因此，下一步需要重點解決識別圓形章和橢圓形章的印章編號的問題。

[1]Convolutional Neural Networks（LeNet）-DeepLearning 0.1 Documentation[OL].DeepLearning 0.1.LISA Lab.[2013-08-31].http:// deeplearning.net/tutorial/lenet.html

[2]徐珊珊，劉應(yīng)安，徐昇.基于卷積神經(jīng)網(wǎng)絡(luò)的木材缺陷識別[J].山東大學學報（工學版），2013，43（2）：28-33.

[3]卷積神經(jīng)網(wǎng)絡(luò)[OL].wikipedia.[2012-12-11].https://zh.wikipedia.org/wiki/%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB% 8F%E7%BD%91%E7%BB%9C

Convolution Neural Network;Seal Number;Recognition

Application of Convolution Neural Network in Seal Number Identification

YANG Zhe
（College of Computer Science,Sichuan University，Chengdu 610065）

陽哲（1990-），男，湖南邵陽人，碩士研究生，研究方向為機器智能

2015-12-31

2016-01-13

卷積神經(jīng)網(wǎng)絡(luò)算法在圖像識別中有著廣泛的應(yīng)用，但是目前在印章識別領(lǐng)域的應(yīng)用還不是很多。因此可以將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到印章識別中，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的印章編號識別算法。

Convolution neural network algorithm has been widely used in image recognition，but currently used in the field of seal of recognition is not a lot.Presents a seal number recognition algorithm based on convolution neural network.