基于字符分割與新型LENET網絡的票據(jù)識別算法
發(fā)布時間：2021-10-13 23:10
目的為加強銀行智能辦理業(yè)務的設備性能,提高票據(jù)數(shù)字的識別效率,研究一種改進的算法來獲得更高的數(shù)字識別效果。方法根據(jù)銀行票據(jù)的印刷數(shù)字特性進行字符的提取和分割,經過圖像采集、降噪、二值化之后使用起點直方圖法結合步長法進行字符的分割,然后使用改進的LENET卷積神經網絡用于提取數(shù)字特征,進行分類。結果通過實驗,結果表明文中提出的方法進行復雜環(huán)境下的印刷數(shù)字識別,準確率達到95%以上,識別速率為1.169s/張。結論利用新的字符分割算法與改進的LENET神經網絡相結合,可以很好地識別干擾強的印刷票據(jù),準確率高。
【文章來源】：包裝工程. 2020,41(21)北大核心
【文章頁數(shù)】：7 頁
【部分圖文】：
票1Schematicd據(jù)示意
第拓41卷第2圖4Fig.4SchemFig圖6使用Fig.6Separ每個數(shù)字拓寬1個像素XS根據(jù)這種1期4形態(tài)學操作maticdiagramoconnection圖5圖像g.5Imageposit用滑動步長法ratingcharactemethodandp字區(qū)域的寬度素位置，定義1,Sk1種方法可以很晏文仲等作連接字符區(qū)ofthemorpholncharacterarea像定位與提取tioningandext法和投影法結合ersbycombiniprojectionmeth度為起點加1義為：很好地對有干：基于字符分域示意ogicaloperatioatraction合來分離字符ingslidingstephod個步長，再左干擾的字符進割與新型LENonp左右(7)進行分割分割55.1粘連的字操作括不聲等65人大部學操5.2是一定義矩陣樣本練效5.2層神限飽為1輸入失問本函標準線性值進5.2在“NET網絡的票據(jù)割，結合可以割后統(tǒng)一導出字符識別1數(shù)據(jù)集票據(jù)識別的連的情況較多字體，必須要作。由程序生不同的字體，等操作。手寫人，女35人部分人的書寫操作，生成12改進的使用改進的一個擁有7層義輸入圖片為陣的原因是為本中需要加入效果。.1添加批標文中加入了神經元，把逐飽和區(qū)靠攏的的比較標準入值落入對輸問題，另外B函數(shù)形式為：B2B11μ=mσ=m之后輸入減準差加上一個2Biixμxσ經過此操作性表達，于是iiyγxβ引入2個因進行微調。.2激活函數(shù)LENET傳梯度消失”問據(jù)識別算法以使用投影法出單獨的字符別制作的數(shù)據(jù)集包含多，因此準備訓要對數(shù)據(jù)集?
第拓41卷第2圖4Fig.4SchemFig圖6使用Fig.6Separ每個數(shù)字拓寬1個像素XS根據(jù)這種1期4形態(tài)學操作maticdiagramoconnection圖5圖像g.5Imageposit用滑動步長法ratingcharactemethodandp字區(qū)域的寬度素位置，定義1,Sk1種方法可以很晏文仲等作連接字符區(qū)ofthemorpholncharacterarea像定位與提取tioningandext法和投影法結合ersbycombiniprojectionmeth度為起點加1義為：很好地對有干：基于字符分域示意ogicaloperatioatraction合來分離字符ingslidingstephod個步長，再左干擾的字符進割與新型LENonp左右(7)進行分割分割55.1粘連的字操作括不聲等65人大部學操5.2是一定義矩陣樣本練效5.2層神限飽為1輸入失問本函標準線性值進5.2在“NET網絡的票據(jù)割，結合可以割后統(tǒng)一導出字符識別1數(shù)據(jù)集票據(jù)識別的連的情況較多字體，必須要作。由程序生不同的字體，等操作。手寫人，女35人部分人的書寫操作，生成12改進的使用改進的一個擁有7層義輸入圖片為陣的原因是為本中需要加入效果。.1添加批標文中加入了神經元，把逐飽和區(qū)靠攏的的比較標準入值落入對輸問題，另外B函數(shù)形式為：B2B11μ=mσ=m之后輸入減準差加上一個2Biixμxσ經過此操作性表達，于是iiyγxβ引入2個因進行微調。.2激活函數(shù)LENET傳梯度消失”問據(jù)識別算法以使用投影法出單獨的字符別制作的數(shù)據(jù)集包含多，因此準備訓要對數(shù)據(jù)集?
【參考文獻】：
期刊論文
[1]改進LeNet-5網絡在圖像分類中的應用[J]. 劉金利,張培玲. 計算機工程與應用. 2019(15)
[2]一種改進的LeNet網絡[J]. 胡德敏,程普芳. 電子科技. 2019(03)
[3]新型LeNet-FC卷積神經網絡模型算法的研究[J]. 白創(chuàng),陳翔. 計算機工程與應用. 2019(05)
[4]改進的LeNet-5模型在蘋果圖像識別中的應用[J]. 張力超,馬蓉,張垚鑫. 計算機工程與設計. 2018(11)
本文編號：3435583
【文章來源】：包裝工程. 2020,41(21)北大核心
【文章頁數(shù)】：7 頁
【部分圖文】：
票1Schematicd據(jù)示意
第拓41卷第2圖4Fig.4SchemFig圖6使用Fig.6Separ每個數(shù)字拓寬1個像素XS根據(jù)這種1期4形態(tài)學操作maticdiagramoconnection圖5圖像g.5Imageposit用滑動步長法ratingcharactemethodandp字區(qū)域的寬度素位置，定義1,Sk1種方法可以很晏文仲等作連接字符區(qū)ofthemorpholncharacterarea像定位與提取tioningandext法和投影法結合ersbycombiniprojectionmeth度為起點加1義為：很好地對有干：基于字符分域示意ogicaloperatioatraction合來分離字符ingslidingstephod個步長，再左干擾的字符進割與新型LENonp左右(7)進行分割分割55.1粘連的字操作括不聲等65人大部學操5.2是一定義矩陣樣本練效5.2層神限飽為1輸入失問本函標準線性值進5.2在“NET網絡的票據(jù)割，結合可以割后統(tǒng)一導出字符識別1數(shù)據(jù)集票據(jù)識別的連的情況較多字體，必須要作。由程序生不同的字體，等操作。手寫人，女35人部分人的書寫操作，生成12改進的使用改進的一個擁有7層義輸入圖片為陣的原因是為本中需要加入效果。.1添加批標文中加入了神經元，把逐飽和區(qū)靠攏的的比較標準入值落入對輸問題，另外B函數(shù)形式為：B2B11μ=mσ=m之后輸入減準差加上一個2Biixμxσ經過此操作性表達，于是iiyγxβ引入2個因進行微調。.2激活函數(shù)LENET傳梯度消失”問據(jù)識別算法以使用投影法出單獨的字符別制作的數(shù)據(jù)集包含多，因此準備訓要對數(shù)據(jù)集?
第拓41卷第2圖4Fig.4SchemFig圖6使用Fig.6Separ每個數(shù)字拓寬1個像素XS根據(jù)這種1期4形態(tài)學操作maticdiagramoconnection圖5圖像g.5Imageposit用滑動步長法ratingcharactemethodandp字區(qū)域的寬度素位置，定義1,Sk1種方法可以很晏文仲等作連接字符區(qū)ofthemorpholncharacterarea像定位與提取tioningandext法和投影法結合ersbycombiniprojectionmeth度為起點加1義為：很好地對有干：基于字符分域示意ogicaloperatioatraction合來分離字符ingslidingstephod個步長，再左干擾的字符進割與新型LENonp左右(7)進行分割分割55.1粘連的字操作括不聲等65人大部學操5.2是一定義矩陣樣本練效5.2層神限飽為1輸入失問本函標準線性值進5.2在“NET網絡的票據(jù)割，結合可以割后統(tǒng)一導出字符識別1數(shù)據(jù)集票據(jù)識別的連的情況較多字體，必須要作。由程序生不同的字體，等操作。手寫人，女35人部分人的書寫操作，生成12改進的使用改進的一個擁有7層義輸入圖片為陣的原因是為本中需要加入效果。.1添加批標文中加入了神經元，把逐飽和區(qū)靠攏的的比較標準入值落入對輸問題，另外B函數(shù)形式為：B2B11μ=mσ=m之后輸入減準差加上一個2Biixμxσ經過此操作性表達，于是iiyγxβ引入2個因進行微調。.2激活函數(shù)LENET傳梯度消失”問據(jù)識別算法以使用投影法出單獨的字符別制作的數(shù)據(jù)集包含多，因此準備訓要對數(shù)據(jù)集?
【參考文獻】：
期刊論文
[1]改進LeNet-5網絡在圖像分類中的應用[J]. 劉金利,張培玲. 計算機工程與應用. 2019(15)
[2]一種改進的LeNet網絡[J]. 胡德敏,程普芳. 電子科技. 2019(03)
[3]新型LeNet-FC卷積神經網絡模型算法的研究[J]. 白創(chuàng),陳翔. 計算機工程與應用. 2019(05)
[4]改進的LeNet-5模型在蘋果圖像識別中的應用[J]. 張力超,馬蓉,張垚鑫. 計算機工程與設計. 2018(11)
本文編號：3435583
本文鏈接：http://sikaile.net/jingjilunwen/huobiyinxinglunwen/3435583.html
