盲文音乐识别和分词研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11页 |
| 1.5 论文创新点 | 第11-12页 |
| 第二章 论文研究总体思路与相关理论技术 | 第12-18页 |
| 2.1 论文研究总体思路 | 第12页 |
| 2.2 拟解决的关键问题 | 第12页 |
| 2.3 相关理论与技术 | 第12-18页 |
| 2.3.1 盲文、盲文符号和盲文音乐 | 第12-15页 |
| 2.3.2 深度学习概要 | 第15-16页 |
| 2.3.3 深度学习训练框架 | 第16-17页 |
| 2.3.4 Python语言 | 第17-18页 |
| 第三章 基于CNN的盲文音乐图片识别 | 第18-45页 |
| 3.1 引言 | 第18页 |
| 3.2 研究思路 | 第18-20页 |
| 3.3 预处理 | 第20-28页 |
| 3.3.1 二值化 | 第20-22页 |
| 3.3.2 倾斜校正 | 第22-24页 |
| 3.3.3 形态学处理 | 第24-25页 |
| 3.3.4 降噪处理 | 第25页 |
| 3.3.5 水平投影分割 | 第25-26页 |
| 3.3.6 垂直投影分割 | 第26-27页 |
| 3.3.7 盲点位标记 | 第27页 |
| 3.3.8 盲文方切割 | 第27-28页 |
| 3.4 数据集构建 | 第28-30页 |
| 3.4.1 数据来源 | 第28-29页 |
| 3.4.2 规模和划分 | 第29-30页 |
| 3.5 建立CNN识别模型 | 第30-41页 |
| 3.5.1 模型结构 | 第30-36页 |
| 3.5.2 参数设定 | 第36-41页 |
| 3.5.3 算法设计 | 第41页 |
| 3.6 实验与结果分析 | 第41-44页 |
| 3.6.1 实验框架 | 第41-42页 |
| 3.6.2 数据测试 | 第42-43页 |
| 3.6.3 结果分析 | 第43-44页 |
| 3.7 小结 | 第44-45页 |
| 第四章 基于LSTM的盲文音乐分词 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 研究思路 | 第45页 |
| 4.3 语料库构建 | 第45-51页 |
| 4.3.1 来源和规模 | 第46页 |
| 4.3.2 边界标注 | 第46-47页 |
| 4.3.3 向量化 | 第47-51页 |
| 4.4 建立LSTM分词模型 | 第51-60页 |
| 4.4.1 模型结构 | 第51-55页 |
| 4.4.2 改进优化 | 第55-57页 |
| 4.4.3 参数设定 | 第57-58页 |
| 4.4.4 算法设计 | 第58-60页 |
| 4.5 实验与结果分析 | 第60-62页 |
| 4.5.1 模型训练 | 第60-62页 |
| 4.5.2 数据测试 | 第62页 |
| 4.5.3 结果分析 | 第62页 |
| 4.6 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-70页 |
| A 盲文与对应的Unicode码符号(3.0版) | 第67-68页 |
| B 盲文与对应的ASCII码符号 | 第68-69页 |
| C 实验环境 | 第69-70页 |
| 插图索引 | 第70-72页 |
| 表格索引 | 第72-73页 |
| 算法索引 | 第73-78页 |
| 英文缩略词 | 第78-79页 |
| 作者简历及在学期间所取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
