基于卷积神经网络的试卷卷头手写分数识别算法研究

发布时间：2021-07-07 08:23

　　在现代教学过程中,学生试卷分数的自动识别与录入工作是学校教学管理规范化建设的重要内容.试卷分数的自动识别能有效减轻教师工作量,进而有更多精力投身于教研工作中.手写数字识别是试卷分数自动识别与录入的关键技术,因此本文针对试卷卷头手写分数识别问题,对现有的手写数字识别算法进行总结与分析,提出了以卷积神经网络（CNN）为主线的两种手写数字识别算法.本文主要研究内容及创新点如下:（1）本文采用基于HSV颜色空间的图像分割技术分离出手写分数字符,再结合投影法实现手写分数区域提取.同时使用投影法及滴水算法对各题的分数字符进行分割,其中包括粘连字符和倾斜字符的分割.本文研究的试卷卷头手写分数识别问题主要包括试卷卷头图像预处理和手写数字识别两个部分,其中手写分数区域提取和字符分割是图像预处理的重要环节.（2）为改善CNN模型的识别性能,本文提出了一种基于改进CNN的手写数字识别算法.首先,结合Relu和Softplus两种激活函数的优点,提出一种分段激活函数,改进后的激活函数具有稀疏性和光滑特性.其次,下采样操作过程中提出混合采样法,该算法可以兼顾均值池化法与最大值池化法提取到的特征值,从而使模型产生... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

试卷卷头原始图像

试卷卷头增强图像

取要去除试卷卷头图像中无用的, 与背景信息区别明显, 所以点, 提取手写分数信息, 再结空间的转化照比较敏感, 色彩的 R、G、到颜色的变化, 而 HSV 颜色空以先将增强的试卷卷头图像从割出手写分数字符的红色像素G、B 三种独立属性的基色为基, RGB 颜色空间的三维立体模

【参考文献】：
期刊论文
[1]自适应增强卷积神经网络图像识别[J]. 刘万军,梁雪剑,曲海成.  中国图象图形学报. 2017(12)
[2]基于融合卷积神经网络模型的手写数字识别[J]. 陈玄,朱荣,王中元.  计算机工程. 2017(11)
[3]结合遗传算法的优化卷积神经网络学习方法[J]. 王丽敏,乔玲玲,魏霖静.  计算机工程与设计. 2017(07)
[4]基于遗传算法优化的SMABP神经网络本构模型[J]. 余滨杉,王社良,杨涛,樊禹江.  金属学报. 2017(02)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[6]改进的二维变换Gabor小波滤波器特征提取算法[J]. 闫俊强,乔志伟,王强.  计算机工程与设计. 2016(10)
[7]基于改进的模板匹配的设计模式自动识别[J]. 王雷,姜久雷.  计算机工程与设计. 2016(09)
[8]不同池化模型的卷积神经网络学习性能研究[J]. 刘万军,梁雪剑,曲海成.  中国图象图形学报. 2016(09)
[9]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[10]基于迭代式MapReduce的误差反向传播算法[J]. 赵虎,杨宇.  计算机应用. 2016(04)

硕士论文
[1]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[2]卷积神经网字符识别算法研究[D]. 吴香莲.电子科技大学 2016
[3]改进的卷积神经网络模型及其应用研究[D]. 何鹏程.大连理工大学 2015
[4]基于OCR成绩单录入系统的设计与实现[D]. 王志瑜.吉林大学 2015
[5]基于神经网络与GPU的手写数字识别及其试卷管理[D]. 沈茜.苏州大学 2011



本文编号：3269290