【摘 要】
：
光学字符识别一直是计算机视觉领域的重要研究方向.书法作为汉字艺术在中国文化中的一种表现形式,也是汉字识别领域的一个研究热点.由于目前书法数据样本较少及通常部署环境硬件能力不强等因素,常用的字符识别方法难以取得良好的识别效果.为了解决这些问题,提出了一种书法字符识别方法,主要包括以下两个方面:将公开的中文手写数据库样本转换为书法样本,以增加训练样本,提高识别的准确性;设计了一种轻量级卷积神经网络,可
【机 构】
：
北方工业大学信息学院,北京100041 北京空间飞行器总体设计部,北京100094
【出 处】
：
第十四届全国信号和智能信息处理与应用学术会议
论文部分内容阅读
光学字符识别一直是计算机视觉领域的重要研究方向.书法作为汉字艺术在中国文化中的一种表现形式,也是汉字识别领域的一个研究热点.由于目前书法数据样本较少及通常部署环境硬件能力不强等因素,常用的字符识别方法难以取得良好的识别效果.为了解决这些问题,提出了一种书法字符识别方法,主要包括以下两个方面:将公开的中文手写数据库样本转换为书法样本,以增加训练样本,提高识别的准确性;设计了一种轻量级卷积神经网络,可以在几乎不损失精度的前提下降低模型规模且在部署硬件能力不强的情况下具有较快的识别速度.
其他文献
针对双基SAR系统的稀疏成像分辨率不高问题,提出采用基于结构配对贝叶斯学习(PC-SBL)的压缩感知算法进行块状稀疏信号恢复,将雷达成像问题转化成稀疏信号表示问题,通过建立雷达稀疏观测模型,对雷达成像问题进行求解.通过仿真实验可以证明,这种基于结构配对贝叶斯学习的块稀疏成像算法比传统双基地后向投影算法的成像分辨能力更高,同时与正交匹配追踪算法相比,基于结构配对贝叶斯学习的压缩感知成像算法的适用性更
热轧/冷轧钢卷边部缺陷(分层、开裂、烂边、划伤、缺损等),是卷板类钢材制品中常见的一类缺陷,会对生产安全、制造成本以及终端产品质量造成严重的影响,甚至制约着钢铁企业的生产效率和品牌形象.传统的钢卷边部缺陷主要依靠人工识别,准确性差、效率低、作业环境恶劣.基于先进的机器视觉技术,利用图像处理技术对钢卷侧面的纹理特征深度分析,并使用机器学习中的SVM算法训练纹理特征数据使得有无边部缺陷的二分类的准确率
水体中的溶解氧(DO)是污水处理生化反应过程中的一个重要控制参数,也是影响运行费用和出水水质的重要因素.而曝气反应过程是一种复杂的非线性的生化过程,其中水质水量不断波动,要实现准确测量水中溶解氧非常困难.为此提出了以曝气池水体图像为研究对象,检测水中溶解氧含量的新思路.通过图像处理提取曝气池水体图像的颜色特征,构建自适应遗传算法改进的BP人工神经网络为溶解氧检测系统建立了DO仿真预测模型.该方法具
介绍一种环路耦合原理测量接地阻抗的方法,给出基于MATLAB/SIMULINK的耦合电路仿真测量模型,并就此使用GUI工具箱对SIMULINK仿真结果进行分析和计算,实践表明理论推导与实测结果一致,为这种数字式阻抗测量传感器的开发提供了设计依据.
船用柴油机监测数据具有样本数据多、特征呈非线性等特点,使得状态预测比较困难.为提高船舶运行可靠性和数据预测的实时性,利用某船用柴油机实际运行数据,提出一种基于LightGBM机器学习算法的柴油机运行状态预测模型,利用箱线图剔除噪声点降低信息损失.预测结果表明,算法模型对两种不同特征参数均保证较高准确率,且构建迅速,具有高可用性和高实时性.
提出一种检测电网工况故障的方法.基于全相位滤波原理,从具有斜坡特征的频率向量中推导出数字微分器及其系数解析式,其幅频响应值在低频段被抑制至零点附近,在高频段则呈现出较理想的斜坡形状,故该微分器可锐化信号的突变特征.仿真实验证明,当电网工况故障信号通过全相位数字微分器时,其信号平稳段的输出幅值近乎为0,而突发故障时段的波形输出得以急剧放大,从而凸显出故障发生时刻,有助于电网工况质量的实时监测.
行人检测受角度、光照等因素影响很大,加之地铁环境较为复杂,在采集图像过程中,地铁内光照不均匀以及行人运动产生模糊等都会影响检测结果的准确性.采用基于改进的DeblurGAN网络的图像去模糊和二维Gamma函数自适应亮度校正算法对地铁行人图像进行处理,后经深度卷积神经网络对不同处理前后所得五种图像进行训练并测试.实验结果表明,经过去模糊和光照校正处理后训练的行人检测模型的检测精度相比原图像所得模型有
为降低大功率并网逆变器低开关频率带来的输出纹波,提出了一种串联型有源纹波抑制和阻尼系统.分析并网逆变器的工作原理,采用直接纹波电压补偿和虚拟电感技术,研究了串联型有源纹波阻尼系统的纹波控制策略.采用虚拟电阻控制方法来降低并网逆变器中阻尼电阻造成的功率损耗.仿真与实验结果表明,提出的控制策略能够有效抑制大功率并网逆变器的输出电流纹波.
面对海量如山,五花八门,各级各类的档案,必须对其进行分类管理,这也是档案管理人员的职责所在.如果由人工对其进行分类,会大大增加管理成本,管理效率低下.因此,研究如何利用信息技术,并且基于现有的档案分类规则,实现档案自动分类管理,成为解决问题的关键.研究利用深度学习的经典算法实现底层对文本实体的识别,再利用逻辑关系判断进行文档种类的分类,从而大大减轻档案管理人员的工作量.
针对实现多种神经网络在深度学习硬件加速器上快速部署的需求,开发了一种面向神经网络的编译工具,能够对神经网络进行计算图转换,完成从网络模型到硬件机器代码的全编译流程.为了进一步优化编译,针对目标硬件加速器的特殊架构,提出编译一侧的优化方法,并在编译工具中完成实现.