典型文献
基于改进残差学习的东巴象形文字识别
文献摘要：
基于深度学习模型的东巴象形文字识别效果明显优于传统算法,但目前仍存在识别字数少、识别准确率低等问题.为此本文建立了包含1387个东巴象形文字、图片总量达到22万余张的数据集,大幅度增加了可识别字数,并辅助提高了东巴象形文字的识别准确率.同时,本文根据东巴象形文字相似度高、手写随意性大的特点,选择ResNet模型作为改进的网络结构,设计了残差跳跃连接方式和卷积层的数量,并通过加入最大池化层实现了下采样的改进.实验结果表明,在本文建立的东巴象形文字数据集上,改进的ResNet模型实现了东巴象形文字识别字数多且识别准确率高的最好效果,识别准确率可达到98.65％.
文献关键词：
深度学习;东巴象形文字;图像识别;数据集建立;ResNet模型;残差跳跃连接;下采样改进;识别准确率
中图分类号：
作者姓名：
骆彦龙;毕晓君;吴立成;李霞丽
作者机构：
哈尔滨工程大学信息与通信工程学院, 黑龙江哈尔滨 150001;中央民族大学信息工程学院, 北京100081
文献出处：
引用格式：
[1]骆彦龙;毕晓君;吴立成;李霞丽-.基于改进残差学习的东巴象形文字识别)[J].智能系统学报,2022(01):79-87
A类：
东巴象形文字,残差跳跃连接,下采样改进
B类：
残差学习,文字识别,深度学习模型,传统算法,识别字,字数,识别准确率,万余张,手写,随意性,ResNet,连接方式,卷积层,最大池化,模型实现,图像识别,数据集建立
AB值：
0.13918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
