基于深度迁移学习方法的盲文识别技术研究

发布时间：2020-12-12 12:11

　　盲文识别是盲文信息处理研究中非常关键的一步。不仅对盲文工作者有十分重要的意义,在实际生活中,也有助于促进盲人和明眼人间的沟通交流,推动我国信息无障碍事业的发展。由于传统的盲文识别方法受到环境和设备的影响较大,且人力标注样本成本过高,不能实现盲文的自动识别,因此发展有效的盲文识别方法对于我国信息无障碍的发展具有重要意义。目前已有深度学习方法应用于盲文识别的研究,且实现了盲文的自动识别,但是目前深度学习在盲文识别领域的研究还是基于研究者自己制作的数据集,盲文图片相对规范,尚未有公开的盲文公共数据集来验证算法的有效性。考虑到采集盲文图片时局限性较多且有一定的条件限制,因而现实中得到的盲文图像数据集通常规模较小且识别难度较大,进而需要研发一个盲文识别模块来解决公共盲文图像数据集的制作及现实场景下的盲文图像数据集识别问题。深度迁移学习,作为目前主流的机器学习算法,已经在很多实际场景应用中都取得了成功,因此,本文在已有的盲文识别算法的基础上,从现实场景下盲文图像数据集识别的角度出发,利用现有的规模较大、规范程度较高的盲文图像数据集,引入深度迁移学习方法,建立了实用性更强的盲文图像识别模型。本文主要... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文主要工作介绍
    1.4 论文体系结构
第二章 盲文识别相关技术
    2.1 图像识别及盲文图像识别的发展
    2.2 深度学习
        2.2.1 深度学习介绍
        2.2.2 卷积神经网络
        2.2.3 深度学习在图像识别领域的应用
    2.3 深度迁移学习
        2.3.1 迁移学习介绍
        2.3.2 深度迁移学习在图像识别领域的应用
    2.4 本章小结
第三章 基于域自对齐的深度迁移学习方法
    3.1 引言
        3.1.1 领域自对齐
        3.1.2 最大均值差异
        3.1.3 联合最大均值差异
    3.2 基于域自对齐的深度迁移学习算法（DAA）
    3.3 实验设置
        3.3.1 环境搭建
        3.3.2 超参数设置
        3.3.3 数据集介绍
    3.4 迁移网络模型搭建
        3.4.1 第一种迁移网络模型（GoogleNet+4MMD）
        3.4.2 第二种迁移网络模型（GoogleNet+4MMD+all DA）
        3.4.3 第三种迁移网络模型（GoogleNet+4MMD+4DA）
        3.4.4 第四种迁移网络模型（GoogleNet+4MMD+1DA）
        3.4.5 第五种迁移网络模型（GoogleNet+4JMMD）
        3.4.6 第六种迁移网络模型（GoogleNet+4JMMD+1DA）
        3.4.7 模型分析
    3.5 结果讨论
        3.5.1 参数敏感性测试
        3.5.2 实验结果及分析
size的选取">        3.5.3 batch_size的选取
    3.6 本章小结
第四章 盲文信息无障碍建设中的盲文图片识别研究
    4.1 盲文信息无障碍建设
    4.2 盲文图像识别
        4.2.1 数据集
        4.2.2 数据集预处理
        4.2.3 实验软硬件环境介绍
        4.2.4 深度学习框架Caffe
        4.2.5 实验思路
        4.2.6 实验细节及参数设置
    4.3 深度迁移学习方法用于盲文图像识别
        4.3.1 利用AlexNet网络结构进行盲文图像识别
        4.3.2 利用GoogleNet网络结构进行盲文图像识别
        4.3.3 实验分析
    4.4 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 展望
参考文献
在学期间的研究成果
致谢



本文编号：2912535