基于卷积神经网络的智能累分器研究

发布时间：2022-09-29 12:07

　　光学字符识别技术（Optical Character Recognition）是一类通过电子设备扫描文本,从而将文本上内容翻译成计算机文字的技术。随着大数据时代的到来,人类每年产生的数据正在以指数的形式增长,如何有效且快速的从文本,图像,视频中提取到用户感兴趣的信息得到了越来越多研究者的关注。传统的光学字符识别技术基于人为手工设计特征,对于复杂背景,光照,扭曲等环境下的字符识别效果较差。近些年来随着以深度学习技术为核心的新一代文本检测技术的出现,光学字符识别效果取得巨大突破。深度学习技术可以从海量数据中学习到最具有鲁棒特征的分类信息,极大提高了图像识别与目标检测的准确率。但是该技术极其依赖大量数据来修正卷积神经网络参数,提高模型泛化能力。本文针对答题卡中的手写数字检测与识别任务,采用深度卷积神经网络设计了一套自动累分算法。该算法由检测模型与识别模型合作完成统分任务,同时通过优化模型超参数与结构,提高模型的泛化能力与检测速度。并针对检测数字倾斜导致无法识别的问题,设计了一个倾斜校正算法,提高了识别算法的可靠性。本文的主要工作如下:（1）针对传统多位手写数字识别算法无法分割连笔数字以及预处... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于传统方法的字符检测
        1.2.2 基于深度学习方法的字符检测
        1.2.3 字符检测的未来方向
    1.3 本文的主要工作
第二章 深度学习基本理论及目标检测算法
    2.1 人工神经网络
    2.2 卷积神经网络
        2.2.1 深度学习的崛起
        2.2.2 卷积神经网络简介
        2.2.3 卷积神经网络的组成
    2.3 迁移学习
    2.4 主流目标检测算法分类
    2.5 基于深度学习的两阶段检测算法FASTER-RCNN
        2.5.1 第一个使用深度学习技术的目标检测算法rcnn
        2.5.2 Rcnn的升级版Fast-rcnn
        2.5.3 Faster rcnn方法
    2.6 基于深度学习的一阶段检测算法
    2.7 K-MEANS聚类算法
    2.8 本章小结
第三章 多位数字识别算法
    3.1 传统切割算法多位数字的识别
        3.1.1 MNIST数据集上单位数字识别模型比较
        3.1.2 真实场景手写数字转换成MNIST格式
        3.1.3 位数不确定情况下手写数字的识别
        3.1.4 传统切割算法测试与分析
    3.2 CRNN算法识别序列数字
        3.2.1 语音辨识领域的启发
        3.2.2 CRNN模型介绍
        3.2.3 CRNN训练数据的获取
        3.2.4 CRNN模型训练
    3.3 本章小结
第四章 基于SSD模型的试卷自动累分算法
    4.1 试卷自动累分算法流程与方案设计
    4.2 实验所需数据集制作
    4.3 印刷体文本中手写数字的检测
    4.4 基于SSD算法的手写数字检测优化
        4.4.1 手写数字检测精度优化
        4.4.2 手写数字检测速度与模型大小优化
    4.5 最小二乘法倾斜体手写数字校正方法
    4.6 本章总结
第五章 智能累分器算法测试
    5.1 算法性能测试与分析
    5.2 智能累分器算法手机APP制作
    5.3 本章小结
第六章 总结和展望
    6.1 本文总结
    6.2 展望
参考文献
攻读硕士期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]自然场景下基于连通域检测的文字识别算法研究[J]. 刘新瀚,钱侃,王宇飞,朱向霄,孙知信.  计算机技术与发展. 2015(05)

博士论文
[1]自然图像中文字检测与识别研究[D]. 姚聪.华中科技大学 2014

硕士论文
[1]基于深度学习目标检测算法的应用[D]. 杜凤麟.安徽大学 2018
[2]基于深度学习的车牌字符识别研究[D]. 杨志.安徽大学 2018
[3]自然场景中交通标志文字检测算法研究[D]. 刘居锋.北京交通大学 2014



本文编号：3682560