【摘 要】
：
利用人工智能技术进行手写数字识别可以化解教师人工录入分数的繁琐工作,实现试卷自动合分,减少统分错误。通过问卷收集不同人的手写数字,建立了0～69手写数字TFRecord标准数据集,利用深度学习卷积神经网络方法,设计出一种试卷手写红色分值识别的Python程序。针对一张试卷记分栏目的图像,实现了准确定位该图像中试卷登分栏目、切割每大题分数为32×32小图片,以及利用卷积神经网络训练结果对每大题小图片
【机 构】
：
湖南农业大学东方科技学院,湖南农业大学信息与智能科技学院
【基金项目】
：
国家级大学生创新创业训练计划项目(S202012653005)。
论文部分内容阅读
利用人工智能技术进行手写数字识别可以化解教师人工录入分数的繁琐工作,实现试卷自动合分,减少统分错误。通过问卷收集不同人的手写数字,建立了0～69手写数字TFRecord标准数据集,利用深度学习卷积神经网络方法,设计出一种试卷手写红色分值识别的Python程序。针对一张试卷记分栏目的图像,实现了准确定位该图像中试卷登分栏目、切割每大题分数为32×32小图片,以及利用卷积神经网络训练结果对每大题小图片进行试卷分值识别并合分。
其他文献
基于分布式集成方法的区间二型模糊模型设计可以降低模型的计算复杂度,提升模型的学习速度。文章采用该方法将数据集划分为多个子数据集,通过并行处理策略得到每个子数据集对应的一型模糊模型并进行集成,构建初始区间二型模糊模型;利用最小二乘法对二型模糊模型进行参数优化以确保区间二型模糊模型性能;对比分析了自适应模糊模型、反向传播神经网络以及基于差分进化的区间二型模糊模型等经典方法。结果表明:所提模型预测精度与其他3种方法的相近;分布式集成方法在保证模型性能基础上加快了学习速度,其在风力发电和地铁人流量预测中的训练时间
在无线宏站勘察中利用无人机摄影,通过1个垂直、4个倾斜等5个不同角度采集影像并进行三维建模,完成宏站的3D立体模型。将立体模型、勘察信息嵌入三维数字地图中,整合为可视化的三维数字勘察信息存储平台,解决了传统勘察平台无法直观反映基站整体信息、周边覆盖环境的问题,极大提高了勘察设计的准确度。
OpenLooKeng是开源的、基于异构数据源上的高性能数据虚拟化引擎,提供了统一的使用接口,但是其系统配置参数多导致使用难度较大,且不合理的配置将影响SQL执行性能,研究openLooKeng参数对性能的影响并进一步对参数进行自动优化具有重要意义。基于此,首先分析了影响SQL执行的关键参数,建立了性能模型,并进一步探索了参数自动优化的方法和策略;其次通过搜索openLooKeng执行过程中对性能有影响的参数,对6种回归模型进行了训练和测试,获得了拟合程度比较好的2种回归模型,并针对openLooKeng
为提升室分巡检工作效能,同时降低对现场人员的能力要求,提出基于现场测试数据对室分巡检进行智能化管理的方案。智能化室分巡检平台能够实现对室分巡检工作量和巡检质量的有效管控,保证所有室分站点按时巡检到位,并能现场及时发现、处理故障,真正发挥预检预修作用。
山东省近年来超前谋划布局超高清视频产业,发力打造全国领先的超高清视频产品、内容研发生产基地,8K超高清产业沿链聚合、集群发展。9月15日,夏普109周年暨夏普超高清产业研究院成立1周年活动上,富视智通电子技术(济南)与夏普超高清研究院(以下简称“夏研”)正式签署“超高清编解码及芯片技术”战略合作协议,按照"优势互补、互利共赢.
在遥感领域中遥感图像目标检测始终都是研究的焦点课题,不过遥感图像内物体间距比较大,而且图像背景复杂度较高。针对以上问题,提出了一种新的算法。在以残差网络(ResNet)为特征提取网络基础之上加以改进形成SResNet网络结构,并且在感兴趣区域池化层解决该层中出现的两次量化问题。其次针对遥感图像目标尺寸大小不固定等特点对多个尺度的候选框进行研究。经过后续的实验证实,改进后的算法的检测精度有明显的提高
传统阿拉伯文字研究主要集中于字形释义、文化传承和艺术探究领域,缺乏利用深度学习技术对文字的识别,并且由于古文字的字形变化、数字化读取困难,传统方法识别的准确率较低。针对上述问题,提出了一种改进卷积神经网络的阿拉伯文字图像识别方法。首先采集阿拉伯文字图像数据集,对其进行数值特征转换、图像标准化等预处理操作;接着构建融合注意力机制和四层卷积神经网络的模型,提取具有代表性的局部特征;最后通过全连接层并调
本文介绍了无人机基站运行参数、网络结构、实战应用等情况,从技术、实践两个层面分析了无人机基站的应用优势和适用场景。
基于多个AGV应用场景调度控制系统软件的复杂性,提出了一种通用功能的自动导引小车调度系统软件结构,并在此结构的基础上采用适用于依赖注入的数据模型,并且给出了该种数据模型的类结构和接口设计方案,并以运输订单为例阐述订单实现过程的软件实现方法。该设计对专用AGV调度控制系统软件进行重新构造,不仅降低了软件模块的耦合性,也使得软件的开发效率和迁移性得到提高。
针对一类离散线性系统考虑其输入量和状态量在给定约束条件下,通过显式的处理约束条件设计了一种带有终端约束集的双模式模型预测控制器。首先,通过离线计算的方法设计了一种多面体终端约束集,利用状态和输入约束条件得到初始可行集;其次,通过求解在线优化问题并且引入正不变集的概念设计了双模式模型预测控制器;最后,利用李雅普诺夫稳定性判据证明了闭环系统的渐进稳定性。仿真实验表明,与标准模型预测控制器相比具有终端约束的模型预测控制器具有更好的性能。