文献综述
文 献 综 述1.1 课题的背景与意义在当今社会，随着科学技术的迅速发展，计算机的出现在很大程度上改变了人们手写的习惯，日常生活和工作中的许多手写文档被电子文档所替代，然而手写是人类最为自然的交互方式，如何让计算机正确理解和识别手写文字引起了人们极大的研究兴趣。
在财政、金融、银行、税务、医疗和教育领域，手写数字仍被大量使用，如支票上手写的金额、病历本上手写的医疗记录以及试卷上手写的分数，而运用计算机技术对手写数字进行识别，将能极大地减少工作量，因此手写数字识别在信息处理领域占有至关重要的地位。
手写数字识别的目标是将手写字符翻译成机器可理解的格式，从而使识别系统能够正确理解手写文件中的内容，进而找到有意义的数据。
借助计算机识别技术对试卷文档进行分数检测、识别以及录入，能够极大地化解老师人工录入分数的繁琐工作量。
由于人工神经网络具有自组织和自主学习等功能，具备良好的非线性自适应信息处理能力，能够较好地适用于手写数字识别，使得神经网络技术在计算机视觉领域大放异彩，卓越的图像处理能力使得其备受图像处理研究人员的推崇。
本课题以人工神经网络为基础，研究基于神经网络的试卷文档图像中手写分数检测与识别方法。
1.2 课题的研究现状试卷文档图像中手写分数检测与识别的关键技术即为手写数字识别，手写数字识别技术主要包括三大步骤：图像预处理、特征提取与分类识别。
随着深度学习的迅速发展以及神经网络的快速普及，通过搭建神经网络的方法对手写数字图像进行处理已经成为目前的研究热点。
对于图像处理的特征提取与分类识别，传统的分类器有最邻近结点算法（KNN）、支持向量机（SVM）、逻辑回归算法（LR）等；对于图像研究的技术方法，目前常用的神经网络有深度卷积神经网络（AlexNet）、卷积神经网络（VGG）、残差神经网络（ResNet）、密集连接神经网络（DenseNet）等。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
