首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的手写汉字识别与美感评分

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-18页
    1.1 研究背景与意义第12-13页
    1.2 国内外研究现状第13-15页
        1.2.1 脱机手写汉字识别研究现状第13-14页
        1.2.2 手写体汉字美感分析研究现状第14-15页
    1.3 技术难点第15-16页
    1.4 论文研究内容与结构安排第16-18页
第二章 深度学习概述第18-30页
    2.1 深度学习基本概念第18-19页
    2.2 深度学习常用模型第19-26页
        2.2.1 卷积神经网络第19-22页
        2.2.2 深度信念网络第22-24页
        2.2.3 栈式自编码网络第24-25页
        2.2.4 循环神经网络第25-26页
    2.3 深度学习在图像处理领域的应用第26-28页
        2.3.1 物体分类第27页
        2.3.2 目标检测第27-28页
    2.4 本章小结第28-30页
第三章 手写汉字检测与识别第30-42页
    3.1 引言第30页
    3.2 手写汉字检测模型第30-35页
        3.2.1 技术背景与技术难点第30-31页
        3.2.2 模型特点第31页
        3.2.3 Faster-RCNN第31-32页
        3.2.4 细粒度候选区域连接检测第32-33页
        3.2.5 循环连接文本候选区域第33-34页
        3.2.6 边缘细化第34-35页
        3.2.7 损失输出与损失函数第35页
    3.3 手写汉字识别模型第35-40页
        3.3.1 技术背景与现存问题第35-36页
        3.3.2 模型特点第36页
        3.3.3 GoogLeNet网络第36-37页
        3.3.4 HCCR-GoogLeNet网络结构第37-39页
        3.3.5 手写汉字特征提取第39-40页
    3.4 本章小结第40-42页
第四章 手写汉字美感评分第42-54页
    4.1 引言第42页
    4.2 汉字书写美感评价一般标准第42-45页
    4.3 基于相似度检索策略的手写汉字美感评分方法第45-50页
        4.3.1 手写汉字特征提取CNN网络第45-47页
        4.3.2 CNN网络监督信号第47-48页
        4.3.3 相似度检索和美感评分方法第48-50页
    4.4 基于CNN特征与结构特征的手写汉字评分第50-52页
        4.4.1 手写汉字结构特征第50-51页
        4.4.2 基于手写汉字结构特征的美感评价第51页
        4.4.3 手写汉字CNN特征与结构特征美感评分结合第51-52页
    4.5 本章小结第52-54页
第五章 系统实现及实验结果分析第54-66页
    5.1 实验数据集第54-55页
    5.2 手写汉字识别与美感评分系统第55-60页
        5.2.1 手写汉字检测网络第56-57页
        5.2.2 图片预处理第57-58页
        5.2.3 手写汉字识别网络第58-59页
        5.2.4 评分汉字筛选器第59-60页
        5.2.5 手写汉字美感评分第60页
    5.3 实验结果分析第60-64页
        5.3.1 手写汉字检测效果分析第60-61页
        5.3.2 手写汉字识别效果分析第61-62页
        5.3.3 手写汉字美感评分效果分析第62-63页
        5.3.4 系统整体效果分析第63-64页
    5.4 本章小结第64-66页
第六章 总结与展望第66-70页
    6.1 工作总结第66-67页
    6.2 研究展望第67-70页
参考文献第70-74页
致谢第74-76页
攻读学位期间发表的学术论文目录第76页

论文共76页,点击 下载论文
上一篇:基于深度学习的暴恐视频识别关键技术研究
下一篇:基于神经网络的代码自动生成技术的研究与应用