买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于连续卷积SPP网络的手写笔迹识别系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115035536B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210469762.0，技术领域涉及：G06V30/19；该发明授权一种基于连续卷积SPP网络的手写笔迹识别系统是由李竹;杨家玉;刘圆圆;陆康;林宏伟;陈锟剑;陈冲设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于连续卷积SPP网络的手写笔迹识别系统在说明书摘要公布了：本发明公开了一种基于连续卷积SPP网络的手写笔迹识别系统，输入单元、预处理单元、智能识别单元和输出单元依次连接，所述用户端的输出与输入单元连接，输出单元的输出与云端和用户端连接，云端还与预处理单元和智能识别单元连接；输入单元的输入为手绘图像数据；所述预处理单元进行平滑去噪、二值化和裁剪；所述智能识别单元对连续卷积SPP网络模型进行预训练、分析和模型投票，得到识别结果；所述输出单元将识别结果分别发送给用户端和云端。本发明除了可以提取螺旋线笔迹震颤特征，也可以同时提取螺旋线匝间距变化和形状特征，同时对多种类型震颤手绘图进行分类。

本发明授权一种基于连续卷积SPP网络的手写笔迹识别系统在权利要求书中公布了：1.一种基于连续卷积SPP网络的手写笔迹识别系统，其特征在于，包括输入单元、预处理单元、智能识别单元、输出单元、用户端和云端，其中， 所述输入单元、预处理单元、智能识别单元和输出单元依次连接，所述用户端的输出与输入单元连接，输出单元的输出与云端和用户端连接，云端还与预处理单元和智能识别单元连接； 所述输入单元的输入为手绘图像数据；所述预处理单元进行平滑去噪、二值化和裁剪；所述智能识别单元对连续卷积SPP网络模型进行预训练、分析和模型投票，得到识别结果；所述输出单元将识别结果分别发送给用户端和云端； 所述连续卷积SPP网络模型包括输入层、2个连续卷积模块、SPP空间金字塔池化层和全连接层，其中，2个连续卷积模块包括模块A和模块B，模块A最后一层为最大池化层；在模块A中，设置i层连续的卷积层，i的取值大小根据手绘图像的复杂程度改变，在模块B中，搭建固定的三层连续卷积结构，模块B后连接SPP空间金字塔池化层，SPP空间金字塔池化层由三个尺寸分别为4×4、2×2、1×1的并行池化层组成，将来自前一层的图像延展为固定长度的全连接层输入；无论输入的图像尺寸为多大，全连接层的运算过程不变，卷积层和池化层核均采用ReLU激活函数； 所述智能识别单元对连续卷积SPP网络模型的训练包括： S301：数据库中的带标签数据随机按8：1：1的比例划分为训练集、验证集和测试集，网络输入层缩放训练集到多个尺寸：180×180、224×224、360×360，单位为像素，当原始图像小于统一大小时，使用双线性插值法放大图像，公式为： Px,y＝Px1,y11-x1-y+Px2,y1x1-y +Px1,y21-xy+Px2,y2xy 式中，x1,y1、x2,y1、x1,y2和x2,y2代表需要插值的点最近邻的四个点，Px,y代表在像素坐标系中横坐标为x、纵坐标为y的点的像素值； S302：训练集的多尺寸图像输入网络，得到对应的输出结果；根据交叉熵损失函数计算损失值，针对多分类的公式为： 式中，M代表类别总数；N代表一个训练批次的样本数；pxij表示该类别和样本i类别是否相同，相同为1，不同为0；qxij表示对于观测样本i属于类别j的预测概率； S303：初始化学习率lr＝0.00001,训练过程中使用反向传播进行参数更新，使用Adam算法对模型进行优化，根据以下三种情况进行反向传播算法的计算： 1当前层为全连接层，δi,l＝Wl+1Tδi,l+1⊙σ′zi,l 2当前层为卷积层，δi,l＝δi,l+1*rot180Wl+1⊙σ′zi,l 3当前层为池化层，δi,l＝upsampleδi,l+1⊙σ′zi,l 反向传播计算中，δi,l代表第l层的梯度，δi,l+1代表l+1层的梯度，Wl+1代表第l+1层的权重，zi,l为第l层的第i张图片的中间输出结果，ReLU激活函数用σz表示； S304：取epoch＝2000为基准，根据训练集的扩大增加epoch，重复训练直至模型收敛。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。