久久天天躁狠狠躁夜夜躁,国产精品入口福利,97久久精品人人爽人人爽蜜臀 ,中文字幕国产精品一区二区

當(dāng)前位置首頁 > 信息公告

手寫漢字辨識實驗報告.docx

更新時間:2023-10-21 文章作者:佚名 信息來源:網(wǎng)絡(luò)整理 閱讀次數(shù):

一、實驗內(nèi)容:搜集實驗數(shù)據(jù),借助前饋神經(jīng)網(wǎng)路實現(xiàn)簡單的手寫漢字辨識并進行一定的改進(和仿射變換擴充數(shù)據(jù)集)。二、實驗數(shù)據(jù):搜集來自互聯(lián)網(wǎng)和現(xiàn)實生活中的手寫漢字圖片,包含繁簡體、不同大小、不同背景的圖片。并借助文件名進行相應(yīng)標記。其中訓(xùn)練集包含圖片150張,測試集包含圖片50訓(xùn)練集截圖測試集截圖三、實驗原理:1)深度學(xué)習(xí):深度學(xué)習(xí)就能模擬視覺感知系統(tǒng)的層次結(jié)構(gòu),通過構(gòu)建包含有多個隱藏層結(jié)構(gòu)的機器學(xué)習(xí)模型,對大量數(shù)據(jù)的訓(xùn)練得到更為有用的特點。該模型起源于神經(jīng)網(wǎng)路,是一種深層次非線性網(wǎng)路結(jié)構(gòu),通過這一非線性結(jié)構(gòu)更優(yōu)地迫近復(fù)雜函數(shù),深層的結(jié)構(gòu)使深度學(xué)習(xí)具有極強的抒發(fā)能力和學(xué)習(xí)能力,當(dāng)它用于處理圖象時,才能學(xué)習(xí)到圖象的“部分-整體”的分解關(guān)系,它在人臉辨識、字符辨識、圖像去噪等方面取得了遠優(yōu)于傳統(tǒng)淺層神經(jīng)網(wǎng)路的結(jié)果。2)前饋神經(jīng)網(wǎng)路:前饋神經(jīng)網(wǎng)路是一種典型的深度學(xué)習(xí)模型,它借助空間相對關(guān)系降低參數(shù)數(shù)量以提升訓(xùn)練性能,是第一個真正獲得成功的深度構(gòu)架。前饋神經(jīng)網(wǎng)路可以辨識有變換的模式,具有一定的魯棒性(抗變換性),并已成功應(yīng)用于人臉辨識、車牌辨識、行為辨識、語音辨識和圖象分類等計算機視覺的研究領(lǐng)域。nWa物理好資源網(wǎng)(原物理ok網(wǎng))

高中物理實驗平行四邊形實驗報告單_高中物理實驗平行四邊形實驗報告單_高中物理實驗平行四邊形實驗報告單nWa物理好資源網(wǎng)(原物理ok網(wǎng))

CNN的基本結(jié)構(gòu)由輸入層、卷積層、池化層(俗稱采樣層)、全聯(lián)接層及輸出層構(gòu)成,頻域?qū)雍统鼗瘜油ǔ∪舾蓚€,采用頻域?qū)雍统鼗瘜咏惶嬖O(shè)置。(多層感知器結(jié)構(gòu))。在CNN結(jié)構(gòu)中高中物理實驗平行四邊形實驗報告單,深度越深、特征面數(shù)量越多,則網(wǎng)路才能表示的特點空間也就越大,網(wǎng)路學(xué)習(xí)能力也越強,但是也會使網(wǎng)路的估算更復(fù)雜,極易出現(xiàn)過擬合的現(xiàn)象。CNN的本質(zhì)就是每一個頻域?qū)影欢〝?shù)目的特點面或則頻域核。與傳統(tǒng)MLP(多層神經(jīng)網(wǎng)路)相比高中物理實驗平行四邊形實驗報告單,CNN中頻域?qū)拥臍埐罟蚕硎咕W(wǎng)路中可訓(xùn)練的參數(shù)變少,增加了網(wǎng)路模型復(fù)雜度,降低過擬合,因而獲得了一個更好的泛化能力。同時,在CNN結(jié)構(gòu)中使用池化操作使模型中的神經(jīng)元個數(shù)大大降低,對輸入空間的平移不變性也更具有魯棒性。但是CNN結(jié)構(gòu)的可拓展性很強,它可以采用很深的層數(shù),而深度模型具有更強的抒發(fā)能力,它還能處理更復(fù)雜的分類問題。3)仿射變換:拉伸、收縮、扭曲、旋轉(zhuǎn)是圖象的幾何變換,在三維視覺技術(shù)中大量應(yīng)用到這種變換,又分為仿射變換和透視變換。仿射變換一般用單應(yīng)性建模,借助解決密集映射,用解決稀疏映射。仿射變換可以將圓形轉(zhuǎn)換成平行四邊形,它可以將圓形的邊壓扁但必須保持邊是平行的,也可以將菱形旋轉(zhuǎn)或則按比列變化。nWa物理好資源網(wǎng)(原物理ok網(wǎng))

透視變換提供了更大的靈活性,一個透視變換可以將矩陣轉(zhuǎn)弄成矩形。其實,平行四邊形也是矩形,所以仿射變換是透視變換的子集。4):典型的神經(jīng)網(wǎng)路其訓(xùn)練流程是將輸入通過網(wǎng)路進行正向傳導(dǎo),之后將偏差進行反向傳播。就是針對這一過程之中,隨機地刪掉隱藏層的部份單元,進行上述過程,其具體步驟如下:1.隨機刪掉網(wǎng)路中的一些隱藏神經(jīng)元,保持輸入輸出神經(jīng)元不變;2.將輸入通過更改后的網(wǎng)路進行前向傳播,之后將偏差通過更改后的網(wǎng)路進行反向傳播;3.對于另外一批的訓(xùn)練樣本,重復(fù)上述操作1.大量實驗論證發(fā)覺,可以比較有效地減少過擬合的發(fā)生,一定程度上達到了正則化的療效。四、實驗源代碼:'/''/'m=18n=18g=.():.(+,0)#注意路徑問題None:.(img).(data_):.([1,0,0,0,0,0,0,0])elif"qian":.([0,1,0,0,0,0,0,0])elif"sun":.([0,0,1,0,0,0,0,0])elif"li":.([0,0,0,1,0,0,0,0])elif"zhou":.([0,0,0,0,1,0,0,0])elif"wu":.([0,0,0,0,0,1,0,0])elif"zheng":.([0,0,0,0,0,0,1,0])elif"wang":.([0,0,0,0,0,0,0,1])=list(zip(,)).()[:],[:]=zip(*).():.(os.path.join(,),None:.(img)#.(data[i]).(data_):.([1,0,0,0,0,0,0,0])elif"qian":.([0,1,0,0,0,0,0,0])elif"sun":.([0,0,1,0,0,0,0,0])elif"li":.([0,0,0,1,0,0,0,0])elif"zhou":.([0,0,0,0,1,0,0,0])elif"wu":.([0,0,0,0,0,1,0,0])elif"zheng":.([0,0,0,0,0,0,1,0])elif"wang":.([0,0,0,0,0,0,0,1])=np.array()print(.shape)=.(-1,=np.array()=.(-1,8)=np.array()=.(-1,m,n,1)=np.array()=.(-1,8)X=Y=defCNN(X,Y,,):使用MBGD算法,設(shè)定(X,Y,,):):start*nWa物理好資源網(wǎng)(原物理ok網(wǎng))

發(fā)表評論

統(tǒng)計代碼放這里
主站蜘蛛池模板: 大理市| 湟中县| 鸡东县| 乐都县| 慈利县| 大新县| 新宁县| 尖扎县| 大港区| 锡林浩特市| 烟台市| 理塘县| 顺平县| 门源| 漳州市| 吉林省| 灵璧县| 海伦市| 沁水县| 永年县| 玛曲县| 应城市| 平阳县| 平塘县| 永州市| 富平县| 昌邑市| 牟定县| 商丘市| 丰镇市| 吉安县| 象州县| 柏乡县| 焉耆| 洛阳市| 金寨县| 昌黎县| 苗栗县| 吐鲁番市| 福泉市| 德安县|