基于多尺度特征融合空洞卷积网络的手写中文识别方法.pdf
贤惠****66
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于多尺度特征融合空洞卷积网络的手写中文识别方法.pdf
本发明属于识别方法技术领域,具体涉及基于多尺度特征融合空洞卷积网络的手写中文识别方法,使用CASIA‑HWDB1.1数据集作为模型训练与测试数据集;对数据的二值化与归一化处理;对数据标签进行处理,得到One‑Hot形式的数据标签,供网络进行训练;将数据以K折交叉方法划分为多个训练集‑测试集组合;构建识别网络;使用训练集数据对网络进行参数的优化训练;使用K折交叉得到的多个数据集获取最优模型;使用准确率、召回率与F1‑Score对模型进行评价。本发明基于深度神经网络构建了手写字识别模型,模型无需进行人工特征工
基于多尺度特征融合的卷积孪生点网络叶片轮廓拼接系统.pdf
本发明公开了基于多尺度特征融合的卷积孪生点网络叶片轮廓拼接系统,包括数据采集模块、卷积孪生点网络和数据拼接模块,所述卷积孪生点网络包括迭代数次的网络模块,网络模块包括特征提取模块、特征空间匹配模块和奇异值分解模块;所述特征提取模块采用改进型金字塔结构的边缘卷积网络结构提取源点云和目标点云中的高维空间特征,再利用高维空间特征计算出特征空间匹配矩阵,利用该特征空间匹配矩阵计算出两点云数据(源点云和目标点云)中点的对应关系,最后通过奇异值分解求出两点云数据(源点云和目标点云)间的刚体转化,根据多次迭代求解出最优
一种基于卷积网络多尺度特征融合的鞋印身高估计方法.pdf
本发明提供了一种基于卷积网络多尺度特征融合的鞋印身高估计方法,属于刑事侦查技术领域。技术方案:将鞋印旋转校正;将鞋印进行中心化处理;对异常数据进行处理;将鞋印数据增广;通过多尺度特征提取网络对图像进行处理;通过金字塔特征融合网络对图像进行处理;通过全局结构特征提取网络对图像进行处理;通过身高回归预测网络输出预测身高。有益效果:本发明使用多尺度特征提取网络提取出不同尺度的图像特征并通过金字塔特征融合网络进行多尺度特征融合,最大限度地保留了图像中深层的特征语义信息特征和浅层的空间信息特征;保证泛化能力的基础上
基于融合形态特征的自适应多卷积神经网络文字识别方法.pdf
本发明公开了一种基于融合形态特征的自适应多卷积神经网络文字识别方法,其中,包括:对待识别图像进行文字轮廓特征提取;对待识别图像中的文字图像通过自适应分类算法进行分类;根据分类结果将文字图像分配到不同密度的文字识别卷积神经网络中,将提取的文字轮廓特征与对应的文字图像特征进行融合,获得识别结果。本发明对待识别图像进行文字轮廓特征提取,并通过自适应分类算法对文字图像进行分类,将不同的文字图像给到不同的卷积神经网络进行文字识别,卷积神经网络对文字轮廓特征与文字图像融合,使得本发明所述的深度神经网络技术在加快识别速
一种基于多尺度特征融合的行人重识别方法.pdf
一种基于多尺度特征融合的行人重识别方法,1)构建基于多尺度融合的模型,并预训练主干网络暨多尺度特征提取器。2)利用多尺度特征提取器生成图像的多尺度特征。3)采用基于Transformer的特征校准模型融合两个不同尺度的特征。4)利用深监督融合从浅层特征到深层特征不断融合不同层级的特征。5)用交叉熵损失和三元组损失监督融合过程。6)将目标测试集图像输入训练好的模型提取特征,根据特征相似度进行排序得到行人重识别的结果,进而实现行人重识别。本发明采用卷积神经网络提取多尺度特征,使用Transformer从全局的