【亲测免费】 CASIA-HWDB-Recognition: 用于CASIA-HWDB数据集识别的CNN模型实现

本文提供了针对CASIA-HWDB数据集的手写汉字识别CNN模型训练及测试资源。该资源包含了完整的训练数据集、测试数据集以及基于GoogLeNet预训练模型的finetuning实现代码，能够帮助研究人员和开发者更好地理解和应用深度学习在手写汉字识别领域的相关技术。

数据集描述

本资源使用的数据集为CASIA-HWDB1.1，该数据集包含由300人手写而成的共计1176000张图像，其中训练集940800张，测试集235200张，按照4:1的比例划分。数据集涵盖了171个阿拉伯数字和特殊符号，以及3755类GB2312-80 level-1汉字。

模型训练

模型采用GoogLeNet作为基础模型进行finetuning。在实际训练中，若直接训练全部类别无法收敛，建议采用分阶段训练的方法。经过训练，模型的测试结果显示loss-1和loss-2分支的准确率达到95%，loss-3分支的准确率为97%。模型收敛速度较快，以0.01为初始学习率，32为batch size，迭代不到10000次即可完成收敛。

注意事项

• 本资源不包含任何联系方式或链接，请通过合法途径获取。
• 使用本资源时，请确保遵循相关法律法规和版权政策。
• 如有疑问或需要技术支持，请参考相关论文或官方文档。