一种基于卷积神经网络的水书手写文字识别方法

    公开(公告)号:CN111310868A

    公开(公告)日:2020-06-19

    申请号:CN202010175808.9

    申请日:2020-03-13

    申请人: 厦门大学

    IPC分类号: G06K9/68 G06N3/04 G06N3/08

    摘要: 一种基于卷积神经网络的水书手写文字识别方法,属于文字信息处理技术领域。包括以下步骤:1)进行水书文字数据集准备:将水书影印卷本的原始图片作为样本图片,对样本图片中的文字进行标注,制作数据集;2)进行水书文字数据集增强:为提高模型的鲁棒性,进行图片裁剪以扩增数据量,并加入随机噪声、进行色彩抖动以及PCA抖动对数据进行增强,增加数据样本的多样性,以应对复杂的识别场景;3)实验实施过程:为检验深度学习方法对水书文字识别适用与否,进行实例实验。将深度学习方法运用到水书手写文字的识别上,同时制作了适用于深度学习研究的水书文字数据集,数据集为页面数据集;注重页面图像文字的目标检测。

    基于深度学习的河豚鱼个体识别方法

    公开(公告)号:CN111428785B

    公开(公告)日:2023-04-07

    申请号:CN202010207890.9

    申请日:2020-03-23

    申请人: 厦门大学

    摘要: 基于深度学习的河豚鱼个体识别方法,涉及计算机视觉以及个体识别。采集河豚鱼图片,并进行预处理,包括河豚鱼图像掩膜标注以及数据增强;在预处理完的河豚鱼数据集上训练图像分割模型,得到训练好的分割模型;将用于河豚鱼特征提取的河豚鱼图像送入训练好的分割模型,并对分割得到的河豚鱼图像进行对齐;训练特征提取网络,将对齐后的河豚鱼图像划分成训练集和验证集,在训练集上训练特征提取网络,得可用于提取河豚鱼特征的特征提取模型;将用于测试的图片放入训练好的分割模型,分割结果对齐后送入训练好的特征提取模型得到输入图片的特征向量,计算该特征向量与数据集中的河豚鱼特征向量的距离,获得输入图片中河豚鱼个体信息。

    基于深度学习的河豚鱼个体识别方法

    公开(公告)号:CN111428785A

    公开(公告)日:2020-07-17

    申请号:CN202010207890.9

    申请日:2020-03-23

    申请人: 厦门大学

    摘要: 基于深度学习的河豚鱼个体识别方法,涉及计算机视觉以及个体识别。采集河豚鱼图片,并进行预处理,包括河豚鱼图像掩膜标注以及数据增强;在预处理完的河豚鱼数据集上训练图像分割模型,得到训练好的分割模型;将用于河豚鱼特征提取的河豚鱼图像送入训练好的分割模型,并对分割得到的河豚鱼图像进行对齐;训练特征提取网络,将对齐后的河豚鱼图像划分成训练集和验证集,在训练集上训练特征提取网络,得可用于提取河豚鱼特征的特征提取模型;将用于测试的图片放入训练好的分割模型,分割结果对齐后送入训练好的特征提取模型得到输入图片的特征向量,计算该特征向量与数据集中的河豚鱼特征向量的距离,获得输入图片中河豚鱼个体信息。