随着人工智能技术的发展,其在计算机视觉领域的应用越来越广泛,已成为该领域的研究热点,其在英文笔迹鉴定和手写体识别方面的应用也得到了广泛关注。本文提出了一种CC-VGG网络模型,实现了手写体英文笔迹鉴定。此外,利用改进的VGG-16模型,对英文手写体文档进行识别,取得了较好的效果。论文首先介绍了课题的研究背景和研究现状,讨论了神经网络的基础理论,前馈神经网络、卷积神经网络,以及常用的网络模型。其次,在传统VGG-16模型的基础上,提出了一种CC-VGG网络模型,利用复合卷积层替换部分卷积层,对手写体英文笔迹进行鉴定,取得了较好的鉴定效果。建立了一个手写体英文笔迹数据集EI130,包含130类、共26000张图片。仿真实验结果表明,本文模型在CVL、ICDAR2013数据集上,鉴定准确率分别达到了92.7%和86.9%,高于传统算法。同时,在本文数据集EI130上鉴定准确率也较高,证明了本文算法的有效性和鲁棒性。此外,对不在该数据集内的陌生笔迹进行鉴定,提出了陌生笔迹鉴定的相关准则,实验结果证明了其有效性。此外,基于改进的VGG-16模型,提出一种手写体英文文档识别方法。在建立的英文手写体数据集上,利用基于构建的卷积神经网络,实现了英文手写体文档的自动识别。仿真实验结果表明,该方法可以有效地实现手写体英文文档的自动识别,其字符识别准确率可达99%以上,该算法对光照变化、简单几何形变以及具有附加噪声的图像都可以进行有效的识别,证明了该算法具有一定的鲁棒性。最后,对论文工作进行了总结,分析了本文算法的优势与不足,并对未来的研究工作进行了展望,指明了未来的研究方向。