2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、人工神經(jīng)網(wǎng)絡(luò)是基于對(duì)生物神經(jīng)網(wǎng)絡(luò)的模仿而提出一種模式識(shí)別方法,從提出到現(xiàn)在已有70多年的歷史,期間人們對(duì)它的研究有過高潮和低谷,興衰交替。2006年,深度學(xué)習(xí)的概念被提出,它模擬了視覺系統(tǒng)的層次化工作機(jī)制,提出構(gòu)建具有層次化結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)模型,并取得了成功,使得神經(jīng)網(wǎng)絡(luò)再次成為人們的研究熱點(diǎn)。而CNN(Convolutional Neural Networks,卷積神經(jīng)網(wǎng)絡(luò))作為深度學(xué)習(xí)的一種實(shí)現(xiàn)模型,在1998年就得到了實(shí)現(xiàn),如今

2、發(fā)展的已比較成熟,特別是成功應(yīng)用在手寫字符的識(shí)別上。然而現(xiàn)在,對(duì)于復(fù)雜自然場(chǎng)景中字符的識(shí)別仍然是一個(gè)難題,主要是由于這樣的字符具有復(fù)雜的背景、較低的分辨率、變化的光照強(qiáng)度,所以本文選擇在研究CNN的基礎(chǔ)上,與其他的方法結(jié)合,提出了新的識(shí)別方法,將之用于對(duì)自然場(chǎng)景中的字符識(shí)別,以期能夠提高對(duì)自然場(chǎng)景中字符的識(shí)別率。
  本文在對(duì)CNN的基本理論進(jìn)行研究的基礎(chǔ)上并結(jié)合國內(nèi)外對(duì)CNN的研究成果,主要做了如下的工作:
  (1)提出

3、了結(jié)合PCA(Principal Component Analysis,主成分分析)和CNN的字符識(shí)別方法,即將PCA和CNN兩者結(jié)合在一起,先對(duì)圖像進(jìn)行基于PCA的重建,然后再用CNN進(jìn)行訓(xùn)練和識(shí)別。此外,我們使用了改進(jìn)的CNN:一是采用多階段特征(Multi-Stage feature)作為分類器的輸入;二是在下采樣階段使用Lp-pooling,使用不同的p值進(jìn)行試驗(yàn),找到最佳的p值。
  (2)在SVHN數(shù)據(jù)集上進(jìn)行了三部分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論