期刊文献+
共找到22篇文章
< 1 2 >
每页显示 20 50 100
基于卷积神经网络的手写体数字识别系统 被引量:25
1
作者 陈岩 李洋洋 +3 位作者 余乐 王瑶 吴超 李阳光 《微电子学与计算机》 CSCD 北大核心 2018年第2期71-74,共4页
近年来,卷积神经网络在图像的分类识别领域取得成功,并逐渐在许多嵌入式终端设备上得到应用.在Linux环境下采用QT开发框架,设计实现了一个基于卷积神经网络的手写体数字识别系统.该系统可以很方便的跨平台移植于各类嵌入式设备上.测试... 近年来,卷积神经网络在图像的分类识别领域取得成功,并逐渐在许多嵌入式终端设备上得到应用.在Linux环境下采用QT开发框架,设计实现了一个基于卷积神经网络的手写体数字识别系统.该系统可以很方便的跨平台移植于各类嵌入式设备上.测试结果表明,该系统对手写体识别具有良好的识别效果. 展开更多
关键词 卷积神经网络 手写体数字 LINUX QT
下载PDF
基于卷积神经网络的手写数字识别系统的设计 被引量:15
2
作者 吕红 《智能计算机与应用》 2019年第2期54-56,62,共4页
当前卷积神经网络应用于手写数字的识别已成为研究的热点之一。本文在Matlab环境下输入手写数字图片,然后对图片进行灰度化、二值化、反色、去噪、分割和大小归一化预处理,通过卷积神经网络经典模型LeNet-5,对比3种数据集:MNIST数据集、... 当前卷积神经网络应用于手写数字的识别已成为研究的热点之一。本文在Matlab环境下输入手写数字图片,然后对图片进行灰度化、二值化、反色、去噪、分割和大小归一化预处理,通过卷积神经网络经典模型LeNet-5,对比3种数据集:MNIST数据集、MNIST数据集训练+自建数据集调精和自建数据集训练卷积神经网络的实际识别效果,选择自建的数据集进行卷积神经网络训练,在训练好的卷积神经网络中手写体数字图片取得了较好的识别效果。 展开更多
关键词 手写体数字 深度学习 卷积神经网络
下载PDF
基于Bayes决策的手写体数字识别 被引量:5
3
作者 章慎锋 杨淑莹 王厚雪 《天津理工大学学报》 2006年第1期78-80,共3页
提出了一种用Bayes决策理论进行手写体数字识别的方法,对已知类别的样品提取特征建立数字样品库,对于任意的手写数字提取特征,根据数字样品库中已知样品的特征,运用基于最小错误概率的Bayes决策进行识别.实验证明Bayes决策理论用于手写... 提出了一种用Bayes决策理论进行手写体数字识别的方法,对已知类别的样品提取特征建立数字样品库,对于任意的手写数字提取特征,根据数字样品库中已知样品的特征,运用基于最小错误概率的Bayes决策进行识别.实验证明Bayes决策理论用于手写体数字的识别有较好的效果,一般情况下识别率能达到96%以上. 展开更多
关键词 Bayes决策 最小错误概率 模式识别 手写体数字
下载PDF
基于BP神经网络的手写体数字的识别方法研究 被引量:3
4
作者 王晓娟 白艳萍 《数学的实践与认识》 CSCD 北大核心 2014年第7期112-116,共5页
对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法.从而提高了识别效率.主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进,发现数字在图片上的大小和其在图片上的位置直接影响识别效果.具体做的是,首... 对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法.从而提高了识别效率.主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进,发现数字在图片上的大小和其在图片上的位置直接影响识别效果.具体做的是,首先提取了图片的轮廓,然后归一化成28×28的图像.这样做,不仅使得图像数字区域大小相同,而且都在图像中心上,使得识别结果变的更加理想化,达到了高识别的目的.另外,选择了容错性较好的BP网络,以200组手写体数字图像作为输入向量,以其他的110组进行识别,效率达到了90%. 展开更多
关键词 手写体数字 BP神经网络 字符识别
原文传递
基于小波和RBF神经网络的手写体数字识别 被引量:1
5
作者 胡永东 叶青 《微处理机》 2005年第4期24-25,28,共3页
针对传统的手写体数字识别技术的局限性,本文提出了基于小波和RBF神经网络的手写体数字识别方法,即利用小波较强的去噪功能以及RBF神经网络学习快速、容错性较好等优点来解决手写体数字识别的问题。实验表明,该方法的识别正确率较高。
关键词 军写体数字 识别 小波 RBF神经网络
下载PDF
矿井地质记录中手写数字自动识别方法
6
作者 马飞 程荣花 吕海莲 《工矿自动化》 北大核心 2012年第11期99-101,共3页
针对目前矿井地质记录中采用人工判读方式识别手写数字效率较低的问题,提出了一种手写数字自动识别方法,详细介绍了颜色过滤及数字区域定位、数字分割、样本训练、数字识别等步骤。该方法利用计算机图像处理技术实现了对特定区域数字的... 针对目前矿井地质记录中采用人工判读方式识别手写数字效率较低的问题,提出了一种手写数字自动识别方法,详细介绍了颜色过滤及数字区域定位、数字分割、样本训练、数字识别等步骤。该方法利用计算机图像处理技术实现了对特定区域数字的自动定位和识别,提高了工作效率。 展开更多
关键词 矿井 地质记录 手写数字 自动识别 图像处理
下载PDF
基于BP神经网络的手写数字识别方法的实现 被引量:9
7
作者 张黎 刘争鸣 唐军 《自动化与仪器仪表》 2015年第6期169-170,共2页
目前,人工神经网络由于其理论可靠、通用性好等优点而广泛应用在识别软件开发上,本文对手写输入数字识别进行了研究,提出一种基于BP神经网络的识别方法,通过将手写输入数字二值化进行辨识来增加神经网络的辨识成功率,实验结果表明,应用B... 目前,人工神经网络由于其理论可靠、通用性好等优点而广泛应用在识别软件开发上,本文对手写输入数字识别进行了研究,提出一种基于BP神经网络的识别方法,通过将手写输入数字二值化进行辨识来增加神经网络的辨识成功率,实验结果表明,应用BP神经网络的手写数字识别方法可以有效识别各种写法的数字。 展开更多
关键词 BP神经网络 手写字符识别 字符提取
原文传递
PyTorch下基于CNN的手写数字识别及应用研究 被引量:8
8
作者 宗春梅 张月琴 石丁 《计算机与数字工程》 2021年第6期1107-1112,共6页
文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2%。使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和... 文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2%。使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和训练速度等方面验证了模型的可靠性。借助TensorBoard监督整个网络模型的训练过程,指导对模型参数的优化调整。最后,将改进的网络模型服务于该校人工智能课程答卷分数的识别中,使手写分数得到准确识别。 展开更多
关键词 CNN PyTorch 手写数字识别 可视化 自动登分系统
下载PDF
基于改进AlexNet卷积神经网络的手写体数字识别 被引量:8
9
作者 谢东阳 李丽宏 苗长胜 《河北工程大学学报(自然科学版)》 CAS 2021年第4期102-106,共5页
为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的... 为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的训练速度。在MNIST数据集上进行训练与测试,实验结果表明改进的网络模型具有较高的检测精度,达到了0.9966,证明了本算法的有效性。 展开更多
关键词 手写数字识别 AlexNet卷积神经网络 Inception-resnet模块 批归一化处理
下载PDF
基于支持向量机的手写体数字识别 被引量:7
10
作者 尚磊 刘风进 《兵工自动化》 2007年第3期39-41,共3页
支持向量机的手写体数字识别中,采用美国邮政服务数据库。并取多个2层神经网络中的最好者得出2层神经网络结果,专门设计5层卷积神经网络Lenetl。所有的结果均直接采用点阵输入,将像素值归正到相应区域间,且不施加任何预处理。该方法与... 支持向量机的手写体数字识别中,采用美国邮政服务数据库。并取多个2层神经网络中的最好者得出2层神经网络结果,专门设计5层卷积神经网络Lenetl。所有的结果均直接采用点阵输入,将像素值归正到相应区域间,且不施加任何预处理。该方法与人工分类、神经网络、决策树等方法比较,其测试误差低,测试速度高。 展开更多
关键词 支持向量机 手写体数字识别 卷积神经网络
下载PDF
笔顺自由和笔划数可变的联机手写汉字识别方法研究 被引量:3
11
作者 魏灿秋 杨家沅 《四川大学学报(自然科学版)》 CAS CSCD 1996年第6期669-672,共4页
提出了一种新的联机手写汉字识别方法.采用笔划的模糊属性特征描述手写输入汉字.改进了笔划动态匹配技术,形成了笔顺自由和笔划数可变的识别方法.对GB2312-80汉字库进行了实验。
关键词 汉字识别 笔顺自由 笔划数可变 汉字输入
下载PDF
基于BiLSTM-Attention的钢板表面手写板号识别算法 被引量:4
12
作者 徐萌 王雪飞 《中国冶金》 CAS 北大核心 2021年第10期86-93,共8页
国内钢铁企业生产厂的信息化物料跟踪大都依赖于钢板号。由于生产流程复杂,急需高准确率的板号在线识别技术。自然场景下机器喷号的识别技术较成熟,但复杂场景下的手写板号难以实现自动识别。针对复杂工作场景下钢板表面手写板号特点,... 国内钢铁企业生产厂的信息化物料跟踪大都依赖于钢板号。由于生产流程复杂,急需高准确率的板号在线识别技术。自然场景下机器喷号的识别技术较成熟,但复杂场景下的手写板号难以实现自动识别。针对复杂工作场景下钢板表面手写板号特点,提出一种以BiLSTM-Attention为主体结构的深度学习算法。首先结合复杂场景,对图像数据进行预处理,保证模型输入图片质量;然后利用残差神经网络(ResNet)提取图片特征、利用双向长短期记忆网络(BiLSTM)提取基于图像的序列特征;最后基于注意力机制捕获序列内的信息流,对每个字符的特征进行整合,形成文本特征向量以预测输出序列。经现场测试,实现钢板表面手写板号识别任务准确率达86.15%,结果表明算法可行有效,满足实际生产需求。 展开更多
关键词 双向长短期记忆网络 注意力机制 神经网络 手写钢板号 手写文本识别
原文传递
基于Tensorflow深度学习框架的手写体数字识别模型优化及应用 被引量:4
13
作者 涂朴 黄晨 《自动化技术与应用》 2020年第12期110-114,共5页
优化后的基于TensorFlow的全连接神经网络模型,在手写体数字数据集上的识别正确率从91.2%提升到98.3%。增加隐藏层和加入RELU激活函数,对提升识别率效果显著,而指数衰减的学习率、滑动平均模型和正则化损失则对识别正确率无明显影响。... 优化后的基于TensorFlow的全连接神经网络模型,在手写体数字数据集上的识别正确率从91.2%提升到98.3%。增加隐藏层和加入RELU激活函数,对提升识别率效果显著,而指数衰减的学习率、滑动平均模型和正则化损失则对识别正确率无明显影响。将改进后的模型,移植到ROS操作系统中,调用已训练好的模型及参数,并将识别功能封装成ROS节点,最后运用消息机制对摄像头采集到的图像消息完成识别。 展开更多
关键词 深度学习 神经网络 TensorFlow 手写体数字识别 ROS
下载PDF
受限制Boltzmann机深度置信网络与手写数字识别 被引量:4
14
作者 张董 游福成 +2 位作者 王惠华 姜超 李明 《北京印刷学院学报》 2016年第4期56-58,共3页
手写数字因为每个人的书写习惯不同而差异很大。手写数字快速有效的识别一直是图像识别领域的热门话题。提出了一种基于受限制Boltzmann机组成的深度置信网络应用于手写数字识别的算法。对训练样本图片中的手写数字进行定位,分块,计算... 手写数字因为每个人的书写习惯不同而差异很大。手写数字快速有效的识别一直是图像识别领域的热门话题。提出了一种基于受限制Boltzmann机组成的深度置信网络应用于手写数字识别的算法。对训练样本图片中的手写数字进行定位,分块,计算每块的特征值;用由受限制Boltzmann机组成的深度置信网络对样本特征值进行无监督学习;使用训练好的神经网络对待测样本进行深度特征提取。结果表明:该算法可行,相对于浅层学习,深度学习在图像特征提取上有了很大提高。 展开更多
关键词 受限制Boltzmann机 深度学习 手写数字识别
下载PDF
基于形态学变换的有限集手写体汉字识别 被引量:3
15
作者 李美丽 杨杨 李岩 《传感技术学报》 CAS CSCD 北大核心 2007年第5期1184-1187,共4页
以21个金融汉字为研究对象,提出了一种基于数学形态学和弹性网格技术的特征融合方法.在汉字图像上构造弹性网格,利用形态学变换将汉字分解为4个方向笔画分量,分别提取方向特征和笔画穿透数目特征,然后将这两组特征向量的维数和度量统一... 以21个金融汉字为研究对象,提出了一种基于数学形态学和弹性网格技术的特征融合方法.在汉字图像上构造弹性网格,利用形态学变换将汉字分解为4个方向笔画分量,分别提取方向特征和笔画穿透数目特征,然后将这两组特征向量的维数和度量统一后组合成复向量的形式,并采用K-L变换降维,去除冗余信息.该方法无需细化,受笔画不规则变形影响较小.实验证明,是一种有效的特征提取方法. 展开更多
关键词 脱机手写体汉字识别 特征融合 数学形态学 笔画穿透数目特征
下载PDF
基于神经网络的准考证号码识别研究 被引量:2
16
作者 邓立 张祺 张伟新 《工业控制计算机》 2019年第1期104-106,共3页
对卷积神经网络(CNN)以及BP神经网络进行了简单介绍,比较了在准考证号码识别的应用场合下,BP神经网络与卷积神经网络的识别准确率。针对准考证号码识别这一特定场景,对NMIST训练数据进行有针对性的数据增强,实验证明能有效提高识别准确... 对卷积神经网络(CNN)以及BP神经网络进行了简单介绍,比较了在准考证号码识别的应用场合下,BP神经网络与卷积神经网络的识别准确率。针对准考证号码识别这一特定场景,对NMIST训练数据进行有针对性的数据增强,实验证明能有效提高识别准确率。根据准考证号码识别的应用场景提出了两种图像预处理方法,并通过实验验证了该方法对识别准确率的提升效果。最后分析了两种网络模型的参数大小以及所需运算量。 展开更多
关键词 卷积神经网络 BP神经网络 准考证号识别 字符识别
下载PDF
基于CNN的高精度手写体数字识别 被引量:1
17
作者 李凯鹏 刘刚 +1 位作者 李帅 万仁兵 《信息与电脑》 2022年第10期67-70,75,共5页
近年来,人工智能和机器学习已成为国内外学者重要研究的领域。基于此,笔者探讨基于卷积神经网络(Convolutional Neural Networks,CNN)的高精度手写体数字识别,并将卷积内核大小、滤波器的数量、池化层的种类以及优化器的类型作为变量,... 近年来,人工智能和机器学习已成为国内外学者重要研究的领域。基于此,笔者探讨基于卷积神经网络(Convolutional Neural Networks,CNN)的高精度手写体数字识别,并将卷积内核大小、滤波器的数量、池化层的种类以及优化器的类型作为变量,通过改变这些变量做对比实验,检测模型训练和测试的准确率。实验结果表明,当卷积内核设置为3×3,三层卷积层滤波器的数量分别为32、64、128,使用最大池化层,选择Adam作为模型优化器的情况下,网络能够达到100%的训练准确率和99.55%的测试准确率,实现了高精度的手写体数字识别。 展开更多
关键词 机器视觉 CNN 手写体数字识别 测试准确率
下载PDF
一种基于改进型卷积神经网络的手写数字识别方法 被引量:2
18
作者 段莉莉 章磊 《现代电子技术》 2021年第18期107-110,共4页
针对LeNet⁃5卷积神经网络对图片局部区域感知不足和反向传播中可能引起梯度消失的问题,文中提出一种基于改进型LeNet⁃5卷积神经网络的手写数字识别方法。该方法采用更小的卷积核,以提高对局部图片的感知力,并使用ReLu激活函数防止梯度消... 针对LeNet⁃5卷积神经网络对图片局部区域感知不足和反向传播中可能引起梯度消失的问题,文中提出一种基于改进型LeNet⁃5卷积神经网络的手写数字识别方法。该方法采用更小的卷积核,以提高对局部图片的感知力,并使用ReLu激活函数防止梯度消失;同时,通过结合Dropout与L2正则化,以提高模型的泛化能力。与传统LeNet⁃5神经网络相比较,文中所提出的改进网络模型通过加深网络深度以提高对图片深层信息的提取能力,并增加了卷积核的个数和全连接层的网络节点数,以提高网络对数据的处理能力。通过在MNIST数据集上进行仿真测试,实验结果表明,文中提出的基于改进型神经网络的手写数字识别方法,达到了99.26%的正确率,与其他的一些传统方法相比,该方法识别准确率更高。 展开更多
关键词 手写数字识别 卷积神经网络 感知力提高 模型泛化性 信息提取 MNIST
下载PDF
基于分块LBP特征提取和改进KNN的手写数字识别 被引量:1
19
作者 赵腾浩 杨立娟 +1 位作者 王宇 李晶 《信息与电脑》 2021年第5期195-200,共6页
针对传统KNN算法的手写数字识别运算量大和分类准确率低的问题,笔者提出一种基于分块LBP特征和训练集生成均值特征向量的改进KNN算法。该方法将样本图像分割为4个区域,分别提取各个区域的LBP直方图,然后将其组合作为该图像的特征向量。... 针对传统KNN算法的手写数字识别运算量大和分类准确率低的问题,笔者提出一种基于分块LBP特征和训练集生成均值特征向量的改进KNN算法。该方法将样本图像分割为4个区域,分别提取各个区域的LBP直方图,然后将其组合作为该图像的特征向量。通过对比发现,基于分块LBP特征的传统KNN算法的分类准确率达到89%,但用时较长;运用改进后的KNN算法的数字分类准确率达到100%,同时大大减少了计算时间。 展开更多
关键词 手写体数字识别 改进KNN算法 分块局部二进制模式
下载PDF
基于深度卷积神经网络的智能试卷合分系统
20
作者 何苗 荣宪伟 《哈尔滨师范大学自然科学学报》 CAS 2022年第3期59-66,共8页
传统的纸质试卷合分需要依靠人工进行分数的识别与汇总,这种方法难免会出现耗费人力、时间、精力,合分效率很低且易出错误等问题.结合上述实际问题,该文设计并实现了一种基于深度卷积神经网络的智能试卷合分系统,利用摄像头实时获取试... 传统的纸质试卷合分需要依靠人工进行分数的识别与汇总,这种方法难免会出现耗费人力、时间、精力,合分效率很低且易出错误等问题.结合上述实际问题,该文设计并实现了一种基于深度卷积神经网络的智能试卷合分系统,利用摄像头实时获取试卷卷头分数栏信息,实现带有小数点的手写分数的识别与各题分数求和功能,且能够适应不同种类的试卷,具有较强的鲁棒性.该设计基于Mask R-CNN的网络结构进行表格检测定位,并应用了LeNet-5网络对手写数字进行识别,最后将每道题识别出来的分数与通过函数计算得到的总分显示在GUI界面中.实验表明,该系统能够实现对含有小数点的手写试卷分数进行识别与求和,具有较大的实际应用前景. 展开更多
关键词 表格识别 手写数字识别 小数点识别 试卷合分 卷积神经网络
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部