检索结果-南通市图书馆

模式识别与人工智能 2009年第2期22卷 182-187页

作者：于金伦周祥东刘成林中国科学院自动化研究所模式识别国家重点实验室北京100190

字符串识别通过最优路径搜索得到字符切分和字符识别结果.本文将字符同步和时间同步两种搜索模式应用于手写字符串识别系统,比较两种模式下使用不同准则函数和搜索算法的系统性能.同时,提出一种改进的路径评价准则,在此准则下可用动态... 详细信息

字符串识别通过最优路径搜索得到字符切分和字符识别结果.本文将字符同步和时间同步两种搜索模式应用于手写字符串识别系统,比较两种模式下使用不同准则函数和搜索算法的系统性能.同时,提出一种改进的路径评价准则,在此准则下可用动态规划算法进行最优路径的搜索.在联机手写日文字符串识别中的实验结果表明,对于无词典驱动的字符串识别系统,时间同步搜索的效率高于字符同步搜索.利用本文所提出的路径评价准则,可得到与归一化准则相当的切分和识别准确率,但搜索时间大为减少.

关键词：手写字符串识别字符同步搜索时问同步搜索动态规划路径评价准则

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多信息融合的中文手写地址字符串切分与识别

引用

电子与信息学报 2008年第12期30卷 2916-2920页

作者：付强丁晓青蒋焰智能技术与系统国家重点实验室清华大学电子工程系北京100084

该文提出了一种有效的中文手写地址字符串的切分与识别方法。首先,利用笔划提取与笔划合并将字符串图像进行过切分,得到"字根"图像序列;然后综合利用几何信息、识别信息和语义信息挑选最优的"字根"合并路径,得到最优的切分结果及对应的... 详细信息

该文提出了一种有效的中文手写地址字符串的切分与识别方法。首先,利用笔划提取与笔划合并将字符串图像进行过切分,得到"字根"图像序列;然后综合利用几何信息、识别信息和语义信息挑选最优的"字根"合并路径,得到最优的切分结果及对应的最优识别结果。其中,几何信息是根据当前字符串自身的特点统计得到,因此可适应不同书写风格的字符串。识别信息由单字分类器给出,包括10个候选识别结果及其相应的置信度;单字分类器采用MQDF分类器。语义信息用基于字的bi-gram模型进行描述,模型参数是从包含18万条地址数据的数据库中统计得到的。用3000个实际的手写地址样本做试验,单字识别正确率达到88.28%。

关键词：地址识别字符串切分手写字符串识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

词典驱动的联机手写日文病名识别研究

引用

计算机工程与应用 2010年第20期46卷 116-118页

作者：梁建娟朱碧兰刘本永中川正樹贵州大学计算机科学与信息学院贵阳550025 日本东京农工大学

研究了一种有效的词典驱动的联机手写日文病名识别方法。病名词典以树结构存储,包含21713个病名短语。在切分中,手写病名字符串通过分析相邻笔划之间的空间信息等特征被切分为原始的片段序列。连续的片段动态地合并为候选字符模式,不同... 详细信息

研究了一种有效的词典驱动的联机手写日文病名识别方法。病名词典以树结构存储,包含21713个病名短语。在切分中,手写病名字符串通过分析相邻笔划之间的空间信息等特征被切分为原始的片段序列。连续的片段动态地合并为候选字符模式,不同的合并方式产生不同的候选字符序列,这样可构成一个切分候选网格。在识别过程中,结合病名词典匹配来限制候选字符模式的类别扩展,采用集束搜索策略来寻找到一条最优路径作为识别结果。用500个实际的手写病名样本做实验,平均每个病名的识别时间为0.87s,识别正确率为83.16%。

关键词：病名识别词典驱动识别手写字符串识别集束搜索

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向智能终端的深度网络手写识别研究

面向智能终端的深度网络手写识别研究

引用

作者：洪林南京信息工程大学

学位级别：硕士

随着智能手机等智能终端的普及,原来面向高性能配置服务器硬件上的图像处理和深度网络手写识别方法表现优秀,但是由于计算量太大,很难直接推广应用到存储和计算资源都有限的智能终端硬件上。为解决图像处理和深度网络计算量过大的问题,... 详细信息

随着智能手机等智能终端的普及,原来面向高性能配置服务器硬件上的图像处理和深度网络手写识别方法表现优秀,但是由于计算量太大,很难直接推广应用到存储和计算资源都有限的智能终端硬件上。为解决图像处理和深度网络计算量过大的问题,本文重点研究了面向智能终端的图像快速处理和轻量级深度网络手写识别方法。首先,为了加快智能终端上的图像处理速度,采用了图像快速压缩,图像灰度化增强,高斯滤波加权平均去噪,迭代最佳二值化,图像膨胀腐蚀改善和图像有效分割提取的改进处理方法。加速大尺寸彩色图像的处理,改善目标手写对象和背景图像的对比度,有效去除高频噪声,清晰分割目标手写对象和背景图像,明显修补目标图像中的断裂空洞并进一步消除部分孤立噪点,快速分割并有效提取真实手写字符串图像。改进后的方法显著缩短了图像处理耗时,图像秒级处理,提高了图像中目标对象的提取效率。其次,为了提高Le Net-5模型的识别准确率,通过调整网络规模,设计合适的卷积核大小和个数,添加dropout层,选取合适的激活函数和优化器,选择适宜的批处理和学习率的模型改进和优化方法。提高模型识别能力,提高图像的局部特征提取能力,减少模型过拟合,找出损失函数最优解,提高训练的效率。改进和优化后的模型有效的降低了损失函数值,提高了手写数字的识别准确率,测试精确度提高到99.36%。最后,面向智能终端的深度网络手写识别的现实应用,使用3x3小卷积核组合的连续卷积层和动态学习率,以及深度可分离卷积的优化和轻量化方法,提高图像局部特征变化的感知能力和图像分类能力,提取出更丰富的图像特征,加速模型的训练收敛。轻量化后的智能终端模型占用的存储空间减少到0.9%,参数总量减少到0.7%,浮点计算总量减少到0.66%,显著降低了模型的存储和计算资源需求,识别耗时降低至56%。改进后的模型的测试精确度提高到99.63%。设置手写字符图像边缘填充比例为20%,有效提升真实验证数据上识别准确率。采用模型训练测试和验证分离的方法,在服务器端将轻量化后的模型训练好并持久化,在智能手机终端上移植模型文件并应用,设计手机应用程序,对实际手写字符串图像进行快速预处理,然后输入模型进行目标数字字符串识别。所以在智能终端硬件存储和计算资源有限的条件下,本文研究方法仍然可以进行大尺寸手写字母数字字符串图像的快速处理和深度网络模型的轻量化移植,有效提高了目标数字字符串的识别准确率,从而有利于实现跨智能终端的应用及智能化推广。

关键词：智能终端图像快速处理轻量级深度网络手写字符串识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像识别的试卷成绩复核系统关键技术研究

基于图像识别的试卷成绩复核系统关键技术研究

引用

作者：丁鑫辽宁工程技术大学

学位级别：硕士

试卷成绩复核工作存在于各个阶段的教育中,而传统的复核方式主要依赖于人类劳动。人工复核试卷成绩时存在以下问题:(1)教师们均为高素质人才,若将大量时间耗费在这项工作中,是一种人力资源的浪费。(2)人长时间重复一件事情,不仅工作效率... 详细信息

试卷成绩复核工作存在于各个阶段的教育中,而传统的复核方式主要依赖于人类劳动。人工复核试卷成绩时存在以下问题:(1)教师们均为高素质人才,若将大量时间耗费在这项工作中,是一种人力资源的浪费。(2)人长时间重复一件事情,不仅工作效率低,还会增加出错的可能性。为解决以上问题,本文设计了一个试卷成绩自动复核系统。该系统分为两部分,单元格数据提取和分数识别复核。传统分数识别方法先将图像二值化再提取分数,然后将分数分割成单个数字再识别。但由于分数提取算法复杂,数字间存在连笔的情况,粘连分数分割点难以确定,易出现误分割情况。为了解决以上问题,本文利用分数与其他内容颜色不同,并运用数学形态学算法,实现单元格数据的完整提取。为避免单元格内分数的误分割,本文提出了一种多分类器下无分割手写数字字符串识别的改进算法。该算法设计了两种分类器,一个长度分类器和两个数字分类器。采用长度分类器获取字符长度信息,利用字符长度信息将其送入到对应长度的数字分类器,通过三个分类器的共同合作,完成分数识别,实现成绩复核。使用自建孤立数字数据集和粘连两位数字数据集,将传统Lenet-5网络进行改进,训练出三个分类器模型。对比实验表明,多分类器下无分割手写数字字符串的识别算法与传统分割识别算法相比,在识别2、3、4、5、6位长度的字符串时,其识别准确率均有不同程度的提高。本系统试卷复核准确率为98.2%,与几种采用分割法识别分数的复核系统相比,准确率分别提高了2.2%,7.71%,4.95%,6.4%,具有一定的实用价值。该论文有图49幅,表11个,参考文献55篇。

关键词：图像识别颜色特征手写字符串识别多分类器 Lenet-5

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：