| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究的目的及意义 | 第14-15页 |
| 1.2 脱机手写汉字识别的研究现状 | 第15-20页 |
| 1.2.1 脱机手写汉字识别的传统方法 | 第15-18页 |
| 1.2.2 脱机手写汉字识别的深度学习方法 | 第18-20页 |
| 1.3 常用脱机手写汉字数据集 | 第20-22页 |
| 1.3.1 CASIA脱机手写汉字数据集 | 第20-21页 |
| 1.3.2 脱机手写汉字图像的预处理 | 第21-22页 |
| 1.4 本文研究内容和组织结构 | 第22-24页 |
| 1.5 本章小结 | 第24-25页 |
| 第二章 基于卷积神经网络的脱机手写汉字识别 | 第25-39页 |
| 2.1 卷积神经网络 | 第25-28页 |
| 2.1.1 卷积神经网络的结构 | 第25-26页 |
| 2.1.2 卷积神经网络的训练过程 | 第26-28页 |
| 2.2 深度学习中常用的卷积网络模型 | 第28-35页 |
| 2.2.1 GoogLeNet网络模型 | 第28-32页 |
| 2.2.2 ResNet网络模型 | 第32-35页 |
| 2.2.3 GoogLeNet网络和ResNet网络的对比 | 第35页 |
| 2.3 实验结果与对比分析 | 第35-38页 |
| 2.3.1 GoogLeNet网络和ResNet网络参数设置 | 第36-37页 |
| 2.3.2 GoogLeNet网络和ResNet网络实验结果 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于卷积神经网络和TripletLoss的脱机手写汉字识别 | 第39-48页 |
| 3.1 卷积神经网络和TripletLoss度量学习模块相结合 | 第39-44页 |
| 3.1.1 TripletLoss | 第40-41页 |
| 3.1.2 三元组选择问题 | 第41页 |
| 3.1.3 卷积神经网络和TripletLoss相结合 | 第41-44页 |
| 3.2 实验结果与对比分析 | 第44-46页 |
| 3.2.1 GoogLeNet和TripletLoss相结合的网络中参数设置 | 第44页 |
| 3.2.2 ResNet和TripletLoss相结合的网络中参数设置 | 第44-45页 |
| 3.2.3 实验结果对比 | 第45-46页 |
| 3.3 本章小结 | 第46-48页 |
| 第四章 基于卷积神经网络和CenterLoss的脱机手写汉字识别 | 第48-56页 |
| 4.1 卷积神经网络和CenterLoss度量学习模块相结合 | 第48-51页 |
| 4.1.1 CenterLoss | 第48-49页 |
| 4.1.2 卷积神经网络和CenterLoss相结合 | 第49-51页 |
| 4.2 实验结果与对比分析 | 第51-54页 |
| 4.2.1 GoogLeNet和CenterLoss相结合的网络中参数设置 | 第51-52页 |
| 4.2.2 ResNet和CenterLoss相结合的网络中参数设置 | 第52页 |
| 4.2.3 实验结果对比 | 第52-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 基于ResNet和改进的CenterLoss的脱机手写汉字识别 | 第56-62页 |
| 5.1 基于余弦距的CenterLoss | 第56-57页 |
| 5.2 ResNet和基于余弦距的CenterLoss相结合 | 第57-58页 |
| 5.3 实验结果与对比分析 | 第58-61页 |
| 5.3.1 ResNet和基于余弦距的CenterLoss相结合的网络中参数设置 | 第59页 |
| 5.3.2 ResNet和度量学习模块相结合的网络的实验结果与分析 | 第59-60页 |
| 5.3.3 不同方法的实验结果与分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 6.1 工作总结 | 第62-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间参与的项目以及学术成果 | 第71页 |
