基于深度学习的手写彝文识别技术应用研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 光学字符识别研究现状 | 第11-12页 |
| 1.2.2 深度学习研究现状 | 第12-14页 |
| 1.2.3 深度学习在OCR中的研究现状 | 第14-15页 |
| 1.2.4 少数民族文字识别研究现状 | 第15-16页 |
| 1.2.5 研究现状小结 | 第16-17页 |
| 1.3 论文组织结构 | 第17-18页 |
| 第二章 问题描述和手写彝文识别研究框架 | 第18-24页 |
| 2.1 问题描述 | 第18-19页 |
| 2.2 数据集构造方案调研 | 第19-20页 |
| 2.2.1 人工构造 | 第19页 |
| 2.2.2 使用现有聚类算法构造 | 第19-20页 |
| 2.2.3 使用改进后的聚类算法构造 | 第20页 |
| 2.3 研究内容与系统架构 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 数据集构造与聚类 | 第24-37页 |
| 3.1 数据预处理 | 第25-26页 |
| 3.2 聚类 | 第26-32页 |
| 3.2.1 基于寻找密度峰值的聚类算法 | 第27-28页 |
| 3.2.2 算法改进 | 第28-29页 |
| 3.2.3 距离计算 | 第29-32页 |
| 3.3 数据标注 | 第32页 |
| 3.4 实验 | 第32-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 深度学习在手写彝文识别中的应用 | 第37-57页 |
| 4.1 深度学习 | 第37-42页 |
| 4.1.1 深度学习的来源 | 第37-38页 |
| 4.1.2 深度学习中的常用框架 | 第38-39页 |
| 4.1.3 深度学习相关内容介绍 | 第39-42页 |
| 4.2 卷积神经网络 | 第42-49页 |
| 4.2.1 卷积神经网络的来源 | 第42-44页 |
| 4.2.2 卷积神经网络中的基本概念 | 第44-46页 |
| 4.2.3 卷积神经网络的典型网络结构 | 第46-47页 |
| 4.2.4 卷积神经网络相关内容介绍 | 第47-49页 |
| 4.3 本文中使用的卷积神经网络及实验 | 第49-54页 |
| 4.3.1 卷积层层数 | 第49-50页 |
| 4.3.2 卷积核个数 | 第50页 |
| 4.3.3 学习速率 | 第50-51页 |
| 4.3.4 Batch-size大小 | 第51-53页 |
| 4.3.5 最终选择的卷积神经网络结构 | 第53-54页 |
| 4.4 卷积神经网络验证无监督聚类实验 | 第54-56页 |
| 4.5 结果对比 | 第56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 手写彝文识别原型系统 | 第57-62页 |
| 5.1 系统结构 | 第57-60页 |
| 5.2 系统部署 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
