欢迎来到天天文库
浏览记录
ID:9030613
大小:6.72 MB
页数:56页
时间:2018-04-15
《基于cnn的字符识别方法研究硕士论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类编号:密级:——单位代码:—100—65学号:1110090016天滓l币苊大学研究生学位论文论文题目:基王Q燮的主签迟星垡友法婴究学生姓名:王强申请学位级别:亟±申请专业名称:盐篡扭应用撞丕研究方向:图堡处理皇槿式迟别指导教师姓名:筮适垩技术职称:虿』麴援提交论文日期:2Q!垒生垒旦!Q旦原创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得丕鲞竖整盘堂或其它教育机构的学位或证书而使用过的材料。与我一
2、同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。论文作者签名:王弓亥日期:≯Ⅳ年多月弘日研究生学位论文使用授权说明本人完全了解天津师范大学关于收集、保存、使用研究生学位论文的规定,·按照学校要求向图书馆提交学位论文的FIJ,同J本和电子版本;·图书馆有权保存学位论文的印刷本和电子版,并通过校园网向本校读者提供全文与阅览服务。·图书馆可以采用数字化或其它手段保存论文;·因某种特殊原因需要延迟发布学位论文,按学位论文保密规定处理,保密论文在解密后遵守此规定。论文作者签名:功强导师签名:球选务日期:)DJ‘降生月劲日l
3、天津师范大学硕士学位论文原创声明一本人郑重声明:此处所提交的硕士学位论文《基于CNN的字符识别方法研究》,是本人在导师指导下,在天津师范大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除己注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:乏弓鹭日期:刊忤多月沙日天津师范大学硕士学位论文使用授权书《基于CNN的字符识别方法研究》系本人在天津师范大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归天
4、津师范大学所有,本论文的研究内容不得以其他单位的名义发表。本人完全了解天津师范大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅,同意学校将论文加入《中国优秀博硕士学位论文全文数据库》和编入《中国知识资源总库》。本人授权天津师范大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于(请在以下相应方框内打“√”)j保密口,在,年解密后适用本授权书不保密日作者签名:王弓鸯日期:纠tf年岁月矽日导师签名:铼婶日期:刊‘侔乡月加.日天津师范大学硕士学位论
5、文摘要人工神经网络是基于对生物神经网络的模仿而提出一种模式识别方法,从提出到现在已有70多年的历史,期间人们对它的研究有过高潮和低谷,兴衰交替。2006年,深度学习的概念被提出,它模拟了视觉系统的层次化工作机制,提出构建具有层次化结构的深度神经网络模型,并取得了成功,使得神经网络再次成为人们的研究热点。而CNN(ConvolutionalNeuralNetworks,卷积神经网络)作为深度学习的一种实现模型,在1998年就得到了实现,如今发展的已比较成熟,特别是成功应用在手写字符的识别上。然而现在,对于复杂自然场景中字符的识别仍然是一个难
6、题,主要是由于这样的字符具有复杂的背景、较低的分辨率、变化的光照强度,所以本文选择在研究CNN的基础上,与其他的方法结合,提出了新的识别方法,将之用于对自然场景中的字符识别,以期能够提高对自然场景中字符的识别率。本文在对CNN的基本理论进行研究的基础上并结合国内外对CNN的研究成果,主要做了如下的工作:(1)提出了结合PCA(PrincipalComponentAnalysis,主成分分析)和CNN的字符识别方法,即将PCA和CNN两者结合在一起,先对图像进行基于PCA的重建,然后再用CNN进行训练和识别。此外,我们使用了改进的CNN:一
7、是采用多阶段特征(Multi.Stagefeature)作为分类器的输入;二是在下采样阶段使用Lp-pooling,使用不同的P值进行试验,找到最佳的P值。(2)在SVHN数据集上进行了三部分实验:第一部分实验是验证在CNN中采用多阶段特征比单阶段特征能有效地提高识别率;第二部分实验是探索不同的P值对识别率的影响规律,并得到在对SVHN数据集进行识别时识别率最高所对应的P值;第三部分实验则是在前两部分实验的基础上验证基于PCA和CNN的字符识别方法的有效性,并与其他文章中的结果进行了对比。关键词:CNN,人工神经网络,PCA,EBLear
8、n,字符识别天津师范大学硕士学位论文ABSTRACTArtificialneuralnetworksisapatternrecognitionmethodbasedontheimitation
此文档下载收益归作者所有