買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中南民族大學申請的專利一種基于抗干擾卷積神經網絡的手寫數字識別系統及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115690812B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211196249.5，技術領域涉及：G06V30/244；該發明授權一種基于抗干擾卷積神經網絡的手寫數字識別系統及方法是由孟博;麻斌豪;王德軍;王俊設計研發完成，并于2022-09-29向國家知識產權局提交的專利申請。

本一種基于抗干擾卷積神經網絡的手寫數字識別系統及方法在說明書摘要公布了：本發明提出了一種基于抗干擾卷積神經網絡的手寫數字識別系統及方法。手寫文字收集系統獲取由不同的用戶手寫的手寫數字圖像和真實數字標簽。構建干擾手寫數字圖像生成式對抗網絡，將手寫數字圖像通過干擾手寫數字圖像生成式對抗網絡，預測得到手寫數字圖像的加噪后弱點特征圖像的預測標簽，結合真實數字標簽構建損失函數模型，通過RMSprop優化器優化網絡，得到優化后網絡；通過手寫文字收集系統采集手寫數字圖像輸出至上位機，得到實時手寫數字圖像的預測標簽。本發明利用生成對抗網絡使用一種特別的逆映射生成干擾圖像，對標簽卷積神經網絡進行弱點訓練，能識別字跡潦草、有污點的手寫數字圖像，提升了手寫數字識別系統的手寫數字識別精度。

本發明授權一種基于抗干擾卷積神經網絡的手寫數字識別系統及方法在權利要求書中公布了：1.一種手寫系統的抗干擾卷積神經網絡手寫數字識別方法，其特征在于，所述手寫系統包括： 手寫文字收集系統、上位機； 所述手寫文字收集系統與所述上位機連接； 所述手寫文字收集系統用于采集用戶手寫數字圖像，并根據手寫數字圖像標記手寫數字圖像的正確數字標簽； 所述手寫系統的抗干擾卷積神經網絡手寫數字識別方法，包括以下步驟： 步驟1：手寫文字收集系統獲取由不同的用戶手寫的每幅手寫數字圖像，以及每幅手寫數字圖像的真實數字標簽； 步驟2：構建干擾手寫數字圖像生成式對抗網絡，將每幅手寫數字圖像通過干擾手寫數字圖像生成式對抗網絡，預測得到每幅手寫數字圖像的加噪后弱點特征圖像的預測標簽，結合每幅手寫數字圖像的真實數字標簽構建對抗網絡損失函數模型，通過RMSprop迭代優化訓練得到優化后干擾手寫數字圖像生成式對抗網絡； 步驟3：通過手寫文字收集系統采集實時手寫數字圖像，將實時手寫數字圖像輸出至所述上位機，所述上位機通過所述優化后干擾手寫數字圖像生成式對抗網絡的標簽卷積神經網絡預測，得到實時手寫數字圖像的預測標簽； 步驟2所述干擾手寫數字圖像生成式對抗網絡由標簽卷積神經網絡、干擾手寫數字圖像生成模塊、生成器、判別器、弱點特征抽取模塊、噪聲放大模塊構成； 所述的標簽卷積神經網絡、干擾手寫數字圖像生成模塊、生成器、判別器依次連接； 所述的生成器、弱點特征抽取模塊、噪聲放大模塊、標簽卷積神經網絡依次連接； 將每幅手寫數字圖像輸入至所述干擾手寫數字圖像生成模塊； 將每幅手寫數字圖像的加噪后弱點特征圖像輸入到標簽卷積神經網絡，標簽卷積神經網絡輸出每幅手寫數字圖像的加噪后弱點特征圖像的預測標簽； 將每幅手寫數字圖像的加噪后弱點特征圖像的預測標簽輸出至干擾手寫數字圖像生成模塊； 在RMSprop初次迭代優化訓練中，將每幅手寫數字圖像作為每幅手寫數字圖像的加噪后弱點特征圖像； 所述每幅手寫數字圖像的加噪后弱點特征圖像由所述噪聲放大模塊生成； 所述干擾手寫數字圖像生成模塊，在多幅手寫數字圖像中篩選出Plbi≠Tlbi的手寫數字圖像定義為干擾手寫數字圖像，通過多幅干擾數據圖像構建干擾數據集； 其中，為第kj幅手寫數字圖像的加噪后弱點特征圖像的預測標簽； 為第kj幅手寫數字圖像的真實數字標簽； 每幅干擾手寫數字圖像，定義如下： 其中，為第j幅干擾手寫數字圖像，即第kj幅用戶手寫數字圖像，表示第i幅干擾手寫數字圖像第x行第y列的像素，M表示干擾手寫數字圖像的數量； 所述干擾手寫數字圖像生成模塊將每幅干擾手寫數字圖像輸出至所述生成器； 所述生成器結合每幅干擾手寫數字圖像、每幅干擾手寫數字圖像的d維隨機向量生成每幅生成器手寫數字圖像，將每幅生成器手寫數字圖像分別輸出至所述的判別器、弱點特征抽取模塊； 所述判別器輸出每幅干擾手寫數字圖像為真的概率，定義為 所述判別器輸出生成器手寫數字圖像為真的概率，定義為 所述弱點特征抽取模塊由特征提取卷積神經網絡構成； 所述弱點特征抽取模塊將生成器手寫數字圖像通過特征提取，輸出第kj幅手寫數字圖像的加噪后弱點特征圖像的預測標簽為的概率為得到每幅干擾手寫數字圖像的弱點特征圖像，將每幅干擾手寫數字圖像的弱點特征圖像輸出至所述噪聲放大模塊； 所述噪聲放大模塊將每幅干擾手寫數字圖像的弱點特征圖像通過拉普拉斯噪聲進行加噪處理，得到每幅干擾手寫數字圖像的加噪后弱點特征圖像，將每幅干擾手寫數字圖像的加噪后弱點特征圖像輸出至所述標簽卷積神經網絡； 所述標簽卷積神經網絡輸出第kj幅手寫數字圖像的加噪后弱點特征圖像的真實數字標簽的概率為

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中南民族大學，其通訊地址為：430074 湖北省武漢市洪山路民族大道182號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。