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
睿达****的的
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
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
基于卷积神经网络融合特征的雷达目标识别方法及系统.pdf
本发明提供了基于卷积神经网络融合特征的雷达目标识别方法及系统,采用神经网络同时提取多普勒谱分布和时频谱分布的微多普勒特征,并利用特征构造融合特征,实现高性能的雷达目标识别。本发明采用深度卷积神经网络模型,分别提取多普勒谱空间的分布特征和时频谱空间的分布特征,同时利用不同空间上的深层抽象特征构成融合特征矢量,利用融合特征矢量实现两类特征的信息互补,以增强雷达目标的识别性能,提高识别准确率,得到特征对应的目标识别类型。
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
基于特征筛选和深度融合的卷积神经网络特征融合算法.pdf
本发明公开了一种基于特征筛选和深度融合的卷积神经网络特征融合算法。方法包括如下步骤:(1)、将来自同一幅影像的多个不同的卷积特征按照通道进行拼接。然后对拼接后的特征进行批量归一化,来调整各层输出特征的分布。(2)对融合后的综合特征进行包括挤压、激励和注意三个过程的特征筛选。(3)通过一维卷积对多个特征进行深度融合,进一步挖掘各个特征的信息和特征信息之间的关系。(4)最后对深度融合的特征进行激活,通过激活函数把激活的特征保留并映射出来。本发明可以明显提升深度学习方法中多特征(多尺度特征融合、注意力特征融合等
一种基于卷积神经网络和多模态融合的分类识别方法.pdf
本发明公开了一种基于卷积神经网络和多模态融合的分类识别方法。其实现方案是:(1)对目标原始回波进行处理得到包含目标在内的距离?多普勒?幅值数据;(2)获取目标周围的4×16大小的距离?多普勒像,并将不同模态多普勒数据串联融合,分别形成一维、二维数据集;(3)构建基于卷积神经网络的多模态融合模型,使用一维、二维卷积神经网络进行分类识别;(4)通过前向传播和后向传播训练、测试网络,并使用梯度下降算法优化网络模型;(5)将两种模块得到的分类结果,通过自然贝叶斯算法进行决策级融合,得到目标分类识别综合结果。本发明