基于深度学习的脱机手写汉字识别技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文主要工作及内容安排 | 第14-17页 |
| 2 深度学习相关理论 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 反向传播算法 | 第18-19页 |
| 2.3 深度卷积神经网络 | 第19-26页 |
| 2.3.1 局部感知 | 第20-21页 |
| 2.3.2 权值共享 | 第21页 |
| 2.3.3 池化 | 第21-22页 |
| 2.3.4 激活函数 | 第22-24页 |
| 2.3.5 权重初始化 | 第24-25页 |
| 2.3.6 批量归一化 | 第25-26页 |
| 2.4 正则化方法 | 第26-30页 |
| 2.4.1 参数约束 | 第27-28页 |
| 2.4.2 数据增强 | 第28页 |
| 2.4.3 提前终止 | 第28-29页 |
| 2.4.4 Dropout方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于深度可分离卷积网络的脱机手写汉字识别 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 传统算法与深度学习的脱机手写汉字识别框架 | 第31-33页 |
| 3.3 残差网络和深度可分离卷积网络 | 第33-38页 |
| 3.3.1 残差卷积神经网络 | 第33-35页 |
| 3.3.2 深度可分离卷积网络 | 第35-36页 |
| 3.3.3 残差深度可分离卷积网络结构 | 第36-38页 |
| 3.4 联合损失函数 | 第38-39页 |
| 3.5 实验与结果分析 | 第39-45页 |
| 3.5.1 实验数据 | 第39-40页 |
| 3.5.2 实验环境与训练参数设置 | 第40-41页 |
| 3.5.3 Dropout正则化方法结果分析 | 第41-42页 |
| 3.5.4 联合损失函数结果分析 | 第42-43页 |
| 3.5.5 与现有算法的性能比较 | 第43-45页 |
| 3.6 本章小结 | 第45-47页 |
| 4 基于空间变换网络的脱机手写汉字识别 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 空间变换网络 | 第47-49页 |
| 4.3 卷积神经网络结构设计 | 第49-52页 |
| 4.4 实验与结果分析 | 第52-56页 |
| 4.4.1 数据预处理 | 第52-53页 |
| 4.4.2 实验环境与训练参数设置 | 第53-54页 |
| 4.4.3 偏移字体的识别结果分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结 | 第57-59页 |
| 本文工作总结 | 第57-58页 |
| 对未来工作的展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 作者简介 | 第65页 |
