本文選題：機(jī)器學(xué)習(xí) + 視頻中數(shù)字時(shí)鐘定位�。� 參考：《華中師范大學(xué)》2017年碩士論文

【摘要】：識(shí)讀視頻中的數(shù)字時(shí)鐘是一個(gè)重要的應(yīng)用問題,在智能監(jiān)控、娛樂等領(lǐng)域有著重要的應(yīng)用價(jià)值。文獻(xiàn)中已有算法可以很好地識(shí)讀視頻中的數(shù)字時(shí)鐘,但是這樣的算法還存在兩方面的問題。其一是這些算法以啟發(fā)式方法為主,沒有利用強(qiáng)有力的機(jī)器學(xué)習(xí)方法。其二是這些算法有一批參數(shù)需要手動(dòng)調(diào)整。針對(duì)這兩方面的問題,本文提出全面使用機(jī)器學(xué)習(xí)方法完成時(shí)鐘的定位和時(shí)鐘數(shù)字識(shí)別。本文是首次研究無識(shí)別的機(jī)器學(xué)習(xí)定位方法。其思想如下:與傳統(tǒng)方法不同的是,在定位階段,先根據(jù)秒像素點(diǎn)灰度值變化的周期性快速定位到秒像素的數(shù)字位置,且首次引入了機(jī)器學(xué)習(xí)的思想解決此問題,更具有智能性。其次,考慮了數(shù)字時(shí)鐘通常有穩(wěn)定的背景,及時(shí)鐘不同數(shù)字的前景、背景的顏色不同,快速定位到時(shí)鐘的時(shí)、分區(qū)域,先利用機(jī)器學(xué)習(xí)區(qū)分顏色,進(jìn)而采用機(jī)器學(xué)習(xí)進(jìn)行圖像分割,但因?yàn)槔昧祟伾畔?效率更高。時(shí)鐘識(shí)讀階段,本研究主要采用了卷積神經(jīng)網(wǎng)絡(luò),在單個(gè)數(shù)字識(shí)別上,取得了比CRF更高的效率,且降低了對(duì)字體等因素的依賴。因秒數(shù)字具有周期性的系列特點(diǎn),本研究也系列識(shí)別上作了一定探討,用來矯正單個(gè)數(shù)字識(shí)別的錯(cuò)誤。最后,本研究也在如何借鑒先前的啟發(fā)式函數(shù)的成果經(jīng)驗(yàn),如何用機(jī)器學(xué)習(xí)的方法針對(duì)具體問題設(shè)計(jì)適合的網(wǎng)絡(luò)結(jié)構(gòu),及模擬啟發(fā)式函數(shù)上,做了一定探討。
[Abstract]:Digital clock in video reading is an important application problem, which has important application value in intelligent monitoring, entertainment and other fields. The existing algorithms in the literature can read the digital clock in video very well, but there are still two problems in this algorithm. One is that these algorithms are mainly heuristic, without powerful machine learning methods. The second is that these algorithms have a number of parameters to be manually adjusted. In order to solve these two problems, this paper proposes a machine learning method to complete clock localization and clock digital recognition. This paper is the first time to study the localization method of unrecognized machine learning. The idea is as follows: different from the traditional method, in the localization stage, the digital position of the second pixel is quickly located according to the periodicity of the change of the gray value of the second pixel, and the idea of machine learning is introduced to solve this problem for the first time. More intelligent. Secondly, considering the stable background of digital clock and the foreground of different digital clock, the color of background is different. When the clock is located quickly, it is divided into regions, and the color is distinguished by machine learning. Then machine learning is used for image segmentation, but because of the use of color information, the efficiency is higher. In the phase of clock recognition, convolution neural network is used in this study, which achieves higher efficiency than CRF in single digit recognition, and reduces the dependence on font and other factors. Because the second digit has the periodic series characteristic, this research also makes the certain discussion on the series recognition, which is used to correct the error of the single digit recognition. Finally, this study also discusses how to draw lessons from the previous experience of heuristic function, how to design a suitable network structure for specific problems by using machine learning methods, and how to simulate heuristic function.
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏潤海,王開顏;機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[J];濰坊學(xué)院學(xué)報(bào);2003年02期

2 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報(bào);2005年03期

3 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2008年03期

4 ;第十一屆中國機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2008年02期

5 ;第14屆中國機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2012年06期

6 費(fèi)宗銘;呂建;王志堅(jiān);陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計(jì)算機(jī)科學(xué);1991年01期

7 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計(jì)算機(jī)科學(xué);1993年05期

8 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計(jì)算機(jī)時(shí)代;1994年04期

9 ;第31屆機(jī)器學(xué)習(xí)國際會(huì)議(英文)[J];智能系統(tǒng)學(xué)報(bào);2014年01期

10 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等專科學(xué)校學(xué)報(bào)(自然科學(xué)版);2000年04期

相關(guān)會(huì)議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2001年

2 王昊;李銀波;紀(jì)志梁;;利用機(jī)器學(xué)習(xí)方法預(yù)測嚴(yán)重藥物不良反應(yīng)-呼吸困難[A];中國化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第13分會(huì)場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國控制會(huì)議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計(jì)算機(jī)診斷識(shí)別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

7 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類線性模式分類器的實(shí)現(xiàn)[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機(jī)器學(xué)習(xí)與智能化社會(huì)[N];中國郵政報(bào);2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報(bào)記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日?qǐng)?bào);2014年

4 雨辰;機(jī)器學(xué)習(xí)類圖書為什么火爆[N];中華讀書報(bào);2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負(fù)責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進(jìn)[N];中國信息化周報(bào);2013年

6 本報(bào)記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日?qǐng)?bào);2011年

7 本報(bào)記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日?qǐng)?bào);2008年

8 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個(gè)百分點(diǎn)[N];解放日?qǐng)?bào);2006年

9 本報(bào)記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國電子報(bào);2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計(jì)算機(jī)世界;2013年

相關(guān)博士學(xué)位論文 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問題研究[D];大連理工大學(xué);2016年

3 Maxim Pecionchin;[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2016年

4 杜宇;基于深度機(jī)器學(xué)習(xí)的體態(tài)與手勢感知計(jì)算關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

5 鐘錦紅;群智學(xué)習(xí)若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 趙東;基于群智能優(yōu)化的機(jī)器學(xué)習(xí)方法研究及應(yīng)用[D];吉林大學(xué);2017年

7 魯路;基于機(jī)器學(xué)習(xí)優(yōu)化分子對(duì)接篩選腎衰營養(yǎng)膠囊有效成分[D];南方醫(yī)科大學(xué);2017年

8 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

9 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

10 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 向雷;基于機(jī)器學(xué)習(xí)的視頻中的數(shù)字時(shí)鐘識(shí)讀的研究[D];華中師范大學(xué);2017年

2 毛海斌;基于半監(jiān)督機(jī)器學(xué)習(xí)的情感分類領(lǐng)域適應(yīng)問題研究[D];南京理工大學(xué);2015年

3 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學(xué);2015年

4 陳召陽;基于機(jī)器學(xué)習(xí)的改性麥槽吸附重金屬構(gòu)效關(guān)系模型研究[D];江西理工大學(xué);2014年

5 王成;基于半監(jiān)督機(jī)器學(xué)習(xí)的文本情感分析技術(shù)[D];南京理工大學(xué);2015年

6 孫科;基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

7 劉江龍;基于機(jī)器學(xué)習(xí)的射頻指紋定位方法研究[D];電子科技大學(xué);2015年

8 張蕾;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計(jì)[D];電子科技大學(xué);2014年

9 施宇;基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

10 施應(yīng)敏;基于機(jī)器學(xué)習(xí)的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：1908684