發(fā)布時間：2018-01-11 13:09

  本文關鍵詞：基于卷積神經網絡的圖書頁面檢索方法　出處：《華中科技大學學報(自然科學版)》2017年11期 　論文類型：期刊論文

  更多相關文章： 圖書頁面檢索 卷積神經網絡 圖像分割 圖像校正 圖像檢索

【摘要】：針對現(xiàn)有圖書頁面檢索方法檢索精度低的問題,利用任務無關數(shù)據(jù)集訓練卷積神經網絡,提出了一種基于卷積神經網絡的圖書頁面檢索方法.首先將待檢圖書頁面圖像進行圖像分割和畸變校正,降低背景的干擾和幾何畸變的影響;然后將校正后的圖像輸入卷積神經網絡提取圖像特征;最后使用夾角余弦距離來度量待檢圖像和候選圖像的相似度.實驗結果表明:本方法在測試數(shù)據(jù)集上的Top-5命中率為97.31%,而直接使用任務無關數(shù)據(jù)集訓練的卷積神經網絡的Top-5命中率僅為58.47%.本方法避免了耗費大量的時間和精力去收集大規(guī)模圖書頁面圖像數(shù)據(jù)庫,而且利用卷積神經網絡強大的圖像特征描述能力,取得了優(yōu)異的圖書頁面檢索精度.
[Abstract]:Aiming at the problem of low retrieval accuracy of existing book page retrieval methods, task-independent data sets are used to train convolutional neural networks. In this paper, a book page retrieval method based on convolution neural network is proposed. Firstly, image segmentation and distortion correction are carried out to reduce the influence of background interference and geometric distortion. Then the corrected image input convolution neural network is used to extract the image features. Finally, the angle cosine distance is used to measure the similarity between the image to be tested and the candidate image. The experimental results show that the Top-5 hit ratio of this method on the test data set is 97.31%. However, the Top-5 hit ratio of convolutional neural networks trained directly using task-independent data sets is only 58.47. This method avoids consuming a lot of time and effort to collect large scale book page image database. . Moreover, by using the powerful image feature description ability of the convolution neural network, the excellent retrieval accuracy of the book page is obtained.
【作者單位】： 華中師范大學國家數(shù)字化學習工程技術研究中心;華中師范大學教育信息技術協(xié)同創(chuàng)新中心;
【基金】：國家自然科學基金資助項目(61702208,41671377,61502195) 中央高�；究蒲袠I(yè)務費專項資金資助項目(CCNU17QN0003,CCNU2016A02020)
【分類號】：TP183;TP391.41
【正文快照】： 基于計算機視覺的圖書頁面檢索存在大量的潛在應用,如圖書管理[1]、電子資源快速訪問[2-3]、增強現(xiàn)實和電子商務等.圖書頁面檢索是基于內容的圖像檢索(CBIR)的一個特例.由于數(shù)據(jù)庫中保存的是圖書頁面的標準圖像,而用戶拍攝的待檢圖像中一般包含有大量的背景干擾并且存在嚴重的

【相似文獻】

相關期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進的競爭Hopfield神經網絡求解多邊形近似問題[J];計算機科學;2009年03期

2 高永建 ,吳健康;神經網絡及其識別應用簡介[J];電信科學;1990年02期

3 謝國梁;;神經網絡:從希望到現(xiàn)實[J];激光與光電子學進展;1991年01期

4 鄭士貴;文獻自動閱讀神經網絡[J];管理科學文摘;1996年08期

5 呂芬;趙生妹;;基于Hopfield神經網絡的噪聲字母識別[J];計算機與信息技術;2005年12期

6 李毅;童紅俊;宋貴寶;李冬;;神經網絡在飛行器航跡仿真計算中的應用[J];海軍航空工程學院學報;2006年05期

7 林鋼;;基于SOM神經網絡對潛在客戶的挖掘[J];南寧職業(yè)技術學院學報;2006年04期

8 楊帆;陳勁杰;唐梅華;陳鑫;;簡論神經網絡在搜索中的應用[J];機械管理開發(fā);2008年01期

9 朱紅斌;;LVQ神經網絡在交通事件檢測中的應用[J];計算機工程與應用;2008年34期

10 李彤巖;李興明;;神經網絡在確定關聯(lián)規(guī)則挖掘算法權值中的應用研究[J];計算機應用研究;2008年05期

相關會議論文 前10條

1 陳文新;王長富;戴蓓倩;;基于神經網絡的漢語四聲識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經網絡在數(shù)值逼近上的仿真[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經網絡實施缸蓋表面點陣字符識別[A];第十五屆全國汽車檢測技術年會論文集[C];2011年

4 朱長春;;神經網絡用于線性時固有系統(tǒng)的廣義狀態(tài)轉移矩陣的識別[A];中國工程物理研究院科技年報（1999）[C];1999年

5 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經網絡技術預測工程造價[A];第十一屆全國電工數(shù)學學術年會論文集[C];2007年

6 應捷;袁一方;;神經網絡指紋特征點匹配算法的改進[A];2007'中國儀器儀表與測控技術交流大會論文集（二）[C];2007年

7 謝小良;符卓;;基于Hopfield神經網絡的單周期船舶調度模型及算法[A];2008年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2008年

8 陳意;;神經網絡在船舶識別一個應用[A];船舶航泊安全的新經驗新技術論文集（上冊）[C];2007年

9 王輝;楊杰;黎明;蔡念;;一種基于神經網絡的圖像復原方法[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

10 賈睿;徐啟強;劉艷;;基于神經網絡的網殼結構近似分析研究[A];第二十一屆全國振動與噪聲高技術及應用學術會議論文集[C];2008年

相關重要報紙文章 前1條

1 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

相關博士學位論文 前10條

1 李曉剛;基于神經網絡的碼垛機器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學;2015年

2 戶保田;基于深度神經網絡的文本表示及其應用[D];哈爾濱工業(yè)大學;2016年

3 沈旭;基于序列深度學習的視頻分析：建模表達與應用[D];中國科學技術大學;2017年

4 諸勇;正交回歸神經網絡及其在控制系統(tǒng)中的應用[D];浙江大學;1998年

5 田景文;地下油藏的仿真與預測[D];哈爾濱工程大學;2001年

6 彭宏京;基于稀疏RAM的神經網絡及其人臉識別應用研究[D];南京航空航天大學;2002年

7 王吉權;BP神經網絡的理論及其在農業(yè)機械化中的應用研究[D];沈陽農業(yè)大學;2011年

8 王鑫;基于表示學習的情感分析關鍵技術研究[D];哈爾濱工業(yè)大學;2017年

9 郭海湘;石油儲層縱向預測軟硬計算融合的理論與方法研究[D];中國地質大學;2008年

10 葛利;基于過程神經網絡的時序數(shù)據(jù)挖掘研究[D];哈爾濱工程大學;2012年

相關碩士學位論文 前10條

1 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

2 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

3 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

4 汪濟民;基于卷積神經網絡的人臉檢測和性別識別研究[D];南京理工大學;2015年

5 彭玲玲;基于不確定理論與機器學習的行人檢測[D];長安大學;2015年

6 楊陳東;BP-Fisher判別分析法[D];長安大學;2015年

7 孟鑫;基于Hadoop云平臺下的客流量預測研究[D];長安大學;2015年

8 張勇;深度卷積神經網絡在車牌和人臉檢測領域的應用研究[D];鄭州大學;2015年

9 宋璐璐;財經職業(yè)技術學院票務管理系統(tǒng)的設計與實現(xiàn)[D];西安工業(yè)大學;2015年

10 陳銳浩;基于神經網絡的口令屬性分析工具開發(fā)[D];上海交通大學;2015年

，

本文編號：1409642