基于卷积神经网络的脱机手写汉字识别系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文的研究内容与章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 脱机手写汉字识别技术的简介 | 第18-32页 |
| 2.1 图像预处理方法 | 第18-22页 |
| 2.1.1 二值化处理 | 第19-20页 |
| 2.1.2 图像平滑去噪 | 第20-21页 |
| 2.1.3 归一化处理 | 第21-22页 |
| 2.2 特征提取方法 | 第22-25页 |
| 2.2.1 方向线素特征 | 第22-23页 |
| 2.2.2 Gabor特征 | 第23-25页 |
| 2.2.3 弹性网格特征 | 第25页 |
| 2.3 分类识别方法 | 第25-31页 |
| 2.3.1 决策树算法 | 第26-27页 |
| 2.3.2 Adaboost算法 | 第27-29页 |
| 2.3.3 支持向量机算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 卷积神经网络 | 第32-42页 |
| 3.1 卷积神经网络的概述 | 第32-35页 |
| 3.2 卷积神经网络的结构 | 第35-37页 |
| 3.3 卷积神经网络的传播 | 第37-40页 |
| 3.3.1 前向传播 | 第37-38页 |
| 3.3.2 反馈传播 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 4 实验环境平台的搭建 | 第42-52页 |
| 4.1 脱机手写汉字数据库 | 第42-45页 |
| 4.1.1 HCL2000数据库 | 第42-43页 |
| 4.1.2 CSAIA-HWDB数据库 | 第43-45页 |
| 4.2 硬件设计 | 第45-47页 |
| 4.2.1 GPU架构设计 | 第45-46页 |
| 4.2.2 数据交互 | 第46-47页 |
| 4.3 软件设计 | 第47-51页 |
| 4.3.1 Caffe简介 | 第47-49页 |
| 4.3.2 Caffe平台搭建 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 系统的实验研究分析 | 第52-62页 |
| 5.1 系统总体设计 | 第52-54页 |
| 5.1.1 系统框图 | 第52页 |
| 5.1.2 系统流程图 | 第52-54页 |
| 5.1.3 系统实验环境 | 第54页 |
| 5.2 系统网络模型优化 | 第54-58页 |
| 5.2.1 文中采用的CNN网络模型 | 第54-55页 |
| 5.2.2 CNN_1网络模型 | 第55-56页 |
| 5.2.3 CNN_2网络模型 | 第56-57页 |
| 5.2.4 CNN_3网络模型 | 第57-58页 |
| 5.2.5 CNN_4网络模型 | 第58页 |
| 5.3 实验结果分析 | 第58-60页 |
| 5.3.1 实验一CNN_1与CNN性能比较 | 第58页 |
| 5.3.2 实验二CNN_2与CNN性能比较 | 第58-59页 |
| 5.3.3 实验三CNN_3与CNN性能比较 | 第59页 |
| 5.3.4 实验四CNN_4与CNN性能比较 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
