石刻碑文的研究具有重要的歷史價值和文化價值,但是由于受到自然環(huán)境的風(fēng)化、腐蝕和人為的破壞,碑刻文字存在很大的識別難度.傳統(tǒng)的識別方法通過選擇特征的提取方式,得到筆畫、部首等淺層特征,準確率不高.卷積神經(jīng)網(wǎng)絡(luò)可以利用深層網(wǎng)絡(luò)自動提取到更抽象的特征用于識別,具有更高的準確率.本文針對碑刻數(shù)據(jù)收集困難,數(shù)據(jù)量較少的問題,提出了一種基于VGG-16的跨層卷積神經(jīng)網(wǎng)絡(luò)進行石刻碑文的識別,使用投影分割改進法實現(xiàn)碑文的分割,該方法在本文構(gòu)建的測試數(shù)據(jù)集上對石刻碑文的識別具有很好的效果. 

【文章來源】：測試技術(shù)學(xué)報. 2020,34(03)

【文章頁數(shù)】：7 頁

【部分圖文】：

跨連接方式

Dense結(jié)構(gòu)

式中: j為輸入分類為類別j的概率; ω是權(quán)值參數(shù); k為總的類別數(shù)[12], 本文實驗中訓(xùn)練的文字共有3 755類, 故k=3 755.本文采用的Res_Block結(jié)構(gòu)由兩個卷積層組成, 卷積核大小都為3×3(kernel=3×3), 在網(wǎng)絡(luò)中為了實現(xiàn)維度匹配, 添加了一個Cross layer網(wǎng)絡(luò)層, 其中卷積核大小為1×1, 并將其卷積核的步長設(shè)置為2. 具體的殘差結(jié)構(gòu)如圖 4 所示.

【參考文獻】：
期刊論文
[1]基于跨連接LeNet-5網(wǎng)絡(luò)的面部表情識別[J]. 李勇,林小竹,蔣夢瑩.  自動化學(xué)報. 2018(01)
[2]圖像增強算法綜述[J]. 王浩,張葉,沈宏海,張景忠.  中國光學(xué). 2017(04)
[3]基于跨連卷積神經(jīng)網(wǎng)絡(luò)的性別分類模型[J]. 張婷,李玉鑑,胡海鶴,張亞紅.  自動化學(xué)報. 2016(06)
[4]基于彈性網(wǎng)格的西夏文字識別[J]. 門光福,潘晨,柳長青.  中文信息學(xué)報. 2011(05)
[5]基于二值化聚類的圖像文字提取算法[J]. 戴維,張申生.  計算機應(yīng)用. 2009(01)
[6]模板匹配法和垂直投影法相結(jié)合的一種新的車牌字符分割方法[J]. 潘中杰,譚洪舟.  自動化與信息工程. 2007(02)

碩士論文
[1]基于數(shù)字圖像的碑文文字提取及三維展示[D]. 呂繼增.西安電子科技大學(xué) 2013



本文編號：3317020