在圖像處理與模式識別領(lǐng)域中,筆跡鑒別是指計算機提取筆跡的特征后使用分類方法自動對筆跡進行鑒別,但傳統(tǒng)的圖像識別方法存在著特征選擇缺乏標準性依據(jù)、鑒定精度較低等問題。筆跡生成是利用計算機來自動生成筆跡,是機器智能的一項功能,但傳統(tǒng)方法只能生成標準字體。生成式對抗網(wǎng)絡(luò)(Generative Adversarial Nets,GAN)是一種深度學(xué)習(xí)模型,通過判別模型(discriminative model)和生成模型(generative model)之間相互博弈學(xué)習(xí)來產(chǎn)生良好的輸出。本文采用生成式對抗網(wǎng)絡(luò)技術(shù)研究筆跡鑒別與生成問題,針對個人硬筆簽名以及我國主流軟筆書法風(fēng)格,設(shè)計了 SIGAN(Signature Identification GAN)網(wǎng)絡(luò)以及改進SIGAN網(wǎng)絡(luò)實現(xiàn)筆跡鑒別與生成功能。本文主要工作內(nèi)容如下:1.構(gòu)建筆跡圖片數(shù)據(jù)集,該數(shù)據(jù)集包含硬筆筆跡和軟筆筆跡兩大類,一共7060幅。其中硬筆筆跡2560幅,包含1280幅真實硬筆簽名筆跡和1280幅模仿硬筆簽名筆跡;軟筆筆跡4500幅,由15類影響力較大的主流書法風(fēng)格組成,包含行書、草書、隸書、篆書、楷書五大傳統(tǒng)書法字體,每類...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文使用數(shù)據(jù)集
    1.4 本文使用平臺
    1.5 本文的主要內(nèi)容及工作安排
    本章小結(jié)
第二章 生成式對抗網(wǎng)絡(luò)概述
    2.1 引言
    2.2 生成式對抗網(wǎng)絡(luò)的發(fā)展
        2.2.1 CGAN
        2.2.2 LAPGAN
        2.2.3 DCGAN
        2.2.4 WGAN
        2.2.5 DualGAN
        2.2.6 StarGAN
        2.2.7 SAGAN
        2.2.8 BigGAN
    2.3 生成式對抗網(wǎng)絡(luò)的應(yīng)用
        2.3.1 數(shù)據(jù)生成與增強
        2.3.2 廣義數(shù)據(jù)翻譯
        2.3.3 模仿學(xué)習(xí)
    本章小結(jié)
第三章 基于SIGAN的筆跡鑒別與生成
    3.1 引言
    3.2 SIGAN網(wǎng)絡(luò)
        3.2.1 SIGAN的網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 SIGAN網(wǎng)絡(luò)的損失函數(shù)
    3.3 基于SIGAN網(wǎng)絡(luò)的筆跡鑒別與生成算法
        3.3.1 圖片預(yù)處理
        3.3.2 數(shù)據(jù)增強
        3.3.3 圖片拼接
    3.4 實驗及結(jié)果分析
        3.4.1 實驗設(shè)置
        3.4.2 實驗結(jié)果分析
    本章小結(jié)
第四章 基于注意力機制的改進SIGAN的筆跡鑒別與生成
    4.1 引言
    4.2 基于注意力機制的改進SIGAN網(wǎng)絡(luò)
        4.2.1 注意力機制
        4.2.2 網(wǎng)絡(luò)結(jié)構(gòu)及算法
    4.3 實驗及結(jié)果分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)果分析
    本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學(xué)位期間參與的項目以及發(fā)表的學(xué)術(shù)論文
致謝



本文編號：4009489