期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进LeNet-5模型的手写体中文识别
被引量：
5
1
作者
何凯
黄婉蓉
+1 位作者
刘坤
高圣楠
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020年第8期847-853,共7页
手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体...
手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体中文识别方法.在经典LeNet-5网络模型的基础上进行改进,提出了一种LeNet-Ⅱ模型.利用改进的Inception模块和空洞卷积,设计了一种并行的双路卷积神经网络结构;两路分支可分别提取手写中文图像中不同尺度的特征,获得多个尺度的特征图像;通过对其进行特征融合,可以达到丰富特征图像多样性、提升识别准确率的目的;最后经过全连接层进行分类.利用经典手写体中文数据集进行训练,利用该模型实现了3755类手写体中文字符及相关文本的自动识别.实验结果表明,基于改进LeNet-5模型的手写体中文识别方法,在同一训练数据集上的收敛速度和识别准确率明显优于经典LeNet-5模型,对经典数据集的识别准确率可以达到95.21%,也高于其他传统算法;此外,对4幅手写体中文文本的平均识别准确率达到97.30%,超出了人类表现,取得了理想的实际效果.
展开更多
关键词
手写体中文识别
卷积神经网络
le
net-
5
模型
Inception模块
在线阅读
下载PDF
职称材料
跨卷积网络特征融合的SAR图像目标识别
被引量：
5
2
作者
冯新扬
邵超
《系统仿真学报》
CAS
CSCD
北大核心
2021年第3期554-561,共8页
卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别领域得到广泛应用。在Le Net-5神经网络模型的基础上,提出了跨卷积网络特征融合的SAR图像识别方法。利用MNIST手写数据对LeNe...
卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别领域得到广泛应用。在Le Net-5神经网络模型的基础上,提出了跨卷积网络特征融合的SAR图像识别方法。利用MNIST手写数据对LeNet-5网络参数进行初始化,提取SAR图像的深层特征和浅层特征,对浅层特征进行主成分分析以得到关键类别信息,将深层特征和浅层特征进行融合,使用协作表示分类(Collaborative Representation Classification, CRC)将融合的两部分进行识别。通过公开数据集的实验验证表明,在不扩充训练样本条件下,该方法可达到98%的平均识别率。
展开更多
关键词
合成孔径雷达
le
net-
5
神经网络
协作表示分类
深层特征
在线阅读
下载PDF
职称材料
题名
基于改进LeNet-5模型的手写体中文识别
被引量：
5
1
作者
何凯
黄婉蓉
刘坤
高圣楠
机构
天津大学电气自动化与信息工程学院
出处
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020年第8期847-853,共7页
基金
国家自然科学基金重点资助项目(61271326).
文摘
手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体中文识别方法.在经典LeNet-5网络模型的基础上进行改进,提出了一种LeNet-Ⅱ模型.利用改进的Inception模块和空洞卷积,设计了一种并行的双路卷积神经网络结构;两路分支可分别提取手写中文图像中不同尺度的特征,获得多个尺度的特征图像;通过对其进行特征融合,可以达到丰富特征图像多样性、提升识别准确率的目的;最后经过全连接层进行分类.利用经典手写体中文数据集进行训练,利用该模型实现了3755类手写体中文字符及相关文本的自动识别.实验结果表明,基于改进LeNet-5模型的手写体中文识别方法,在同一训练数据集上的收敛速度和识别准确率明显优于经典LeNet-5模型,对经典数据集的识别准确率可以达到95.21%,也高于其他传统算法;此外,对4幅手写体中文文本的平均识别准确率达到97.30%,超出了人类表现,取得了理想的实际效果.
关键词
手写体中文识别
卷积神经网络
le
net-
5
模型
Inception模块
Keywords
Chinese handwriting recognition
convolutional neural network(CNN)
le net-5 model
Inception modu
le
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
跨卷积网络特征融合的SAR图像目标识别
被引量：
5
2
作者
冯新扬
邵超
机构
河南财经政法大学计算机与信息工程学院
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第3期554-561,共8页
基金
国家自然科学基金(61202285)。
文摘
卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别领域得到广泛应用。在Le Net-5神经网络模型的基础上,提出了跨卷积网络特征融合的SAR图像识别方法。利用MNIST手写数据对LeNet-5网络参数进行初始化,提取SAR图像的深层特征和浅层特征,对浅层特征进行主成分分析以得到关键类别信息,将深层特征和浅层特征进行融合,使用协作表示分类(Collaborative Representation Classification, CRC)将融合的两部分进行识别。通过公开数据集的实验验证表明,在不扩充训练样本条件下,该方法可达到98%的平均识别率。
关键词
合成孔径雷达
le
net-
5
神经网络
协作表示分类
深层特征
Keywords
synthetic aperture radar
le
net-
5
neural network
collaborative representation classification
deep feature
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进LeNet-5模型的手写体中文识别
何凯
黄婉蓉
刘坤
高圣楠
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020
5
在线阅读
下载PDF
职称材料
2
跨卷积网络特征融合的SAR图像目标识别
冯新扬
邵超
《系统仿真学报》
CAS
CSCD
北大核心
2021
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
