基于深度模型的脱机手写体汉字识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 课题难点 | 第14-16页 |
| 1.3 本文工作 | 第16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 脱机手写体汉字识别技术综述 | 第18-37页 |
| 2.1 图像预处理方法综述 | 第18-24页 |
| 2.1.1 二值化 | 第18-20页 |
| 2.1.2 图像平滑 | 第20-21页 |
| 2.1.3 腐蚀膨胀 | 第21-23页 |
| 2.1.4 归一化 | 第23-24页 |
| 2.2 手写体汉字特征提取方法综述 | 第24-28页 |
| 2.2.1 弹性网格 | 第24-26页 |
| 2.2.2 汉字分解和方向特征提取 | 第26-28页 |
| 2.3 图像分类方法综述 | 第28-36页 |
| 2.3.1 Adaboost算法 | 第28-31页 |
| 2.3.2 决策树算法 | 第31-33页 |
| 2.3.3 SVM算法 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 无遮挡手写体汉字识别 | 第37-57页 |
| 3.1 研究背景 | 第37页 |
| 3.2 问题描述 | 第37-38页 |
| 3.3 数据集 | 第38-41页 |
| 3.3.1 CASIA-HWDB1.1数据集 | 第38-39页 |
| 3.3.2 数据预处理与数据集构造 | 第39-41页 |
| 3.4 基于深度卷积神经网络的手写体汉字识别 | 第41-51页 |
| 3.4.1 卷积神经网络 | 第41-44页 |
| 3.4.2 卷积神经网络的训练 | 第44-46页 |
| 3.4.3 卷积神经网络结构 | 第46-49页 |
| 3.4.4 基于多网络融合的手写体汉字识别 | 第49-51页 |
| 3.5 实验结果 | 第51-55页 |
| 3.5.1 实验环境 | 第51页 |
| 3.5.2 基于深度卷积神经网络的手写体汉字识别 | 第51-54页 |
| 3.5.3 基于多网络融合的手写体汉字识别 | 第54-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第4章 有遮挡手写体汉字识别 | 第57-76页 |
| 4.1 问题描述 | 第57页 |
| 4.2 数据集构造 | 第57-58页 |
| 4.3 递归神经网络 | 第58-64页 |
| 4.3.1 递归神经网络 | 第58-61页 |
| 4.3.2 基于RNN的卷积网络 | 第61-63页 |
| 4.3.3 基于ReNet的汉字特征提取 | 第63-64页 |
| 4.4 基于深度信念网络的特征映射 | 第64-72页 |
| 4.4.1 深度信念网络 | 第64-70页 |
| 4.4.2 基于DNN的特征映射 | 第70-72页 |
| 4.5 基于DBM的汉字分类 | 第72页 |
| 4.6 实验结果 | 第72-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 本文工作小结 | 第76-77页 |
| 5.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83页 |
